| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 引言 | 第11-12页 |
| 1.2 研究背景和意义 | 第12-15页 |
| 1.2.1 研究背景 | 第12-14页 |
| 1.2.2 研究意义 | 第14-15页 |
| 1.3 国内外研究现状与存在的问题 | 第15-17页 |
| 1.4 论文组织与结构 | 第17-18页 |
| 第2章 上位效应概述与检测方法 | 第18-25页 |
| 2.1 上位效应含义 | 第18-20页 |
| 2.2 上位效应模型 | 第20-22页 |
| 2.3 上位效应检测方法 | 第22-25页 |
| 第3章 基于贝叶斯理论的上位性识别算法的设计与实现 | 第25-33页 |
| 3.1 引言 | 第25-26页 |
| 3.2 算法设计与实现 | 第26-30页 |
| 3.2.1 上位性组 | 第26-27页 |
| 3.2.2 贝叶斯标记划分模型 | 第27-28页 |
| 3.2.3 先验分布的选择 | 第28-29页 |
| 3.2.4 马尔科夫—蒙特卡罗过程 | 第29页 |
| 3.2.5 上位性组的统计显著性 | 第29-30页 |
| 3.3 实验结果与分析 | 第30-32页 |
| 3.3.1 模拟实验 | 第30-31页 |
| 3.3.2 真实实验 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于蚁群优化的上位性识别算法的设计与实现 | 第33-43页 |
| 4.1 引言 | 第33页 |
| 4.2 算法设计与实现 | 第33-37页 |
| 4.2.1 蚁群优化介绍 | 第33-34页 |
| 4.2.2 赌轮选择和路径长度 | 第34-36页 |
| 4.2.3 信息素的更新与专家知识 | 第36-37页 |
| 4.2.4 后续处理 | 第37页 |
| 4.3 实验结果与分析 | 第37-41页 |
| 4.3.1 参数设置 | 第37-38页 |
| 4.3.2 模拟实验 1 | 第38-40页 |
| 4.3.3 模拟实验 2 | 第40-41页 |
| 4.4 本章小结 | 第41-43页 |
| 第5章 并行化技术在上位性识别中的研究与应用 | 第43-54页 |
| 5.1 引言 | 第43页 |
| 5.2 算法设计与实现 | 第43-51页 |
| 5.2.1 问题描述 | 第43-44页 |
| 5.2.2 卡方测试的上限值 | 第44-46页 |
| 5.2.3 Hadoop 分布式系统基础架构基本介绍 | 第46-47页 |
| 5.2.4 Hadoop 分布式文件系统 HDFS | 第47-48页 |
| 5.2.5 MapReduce 框架 | 第48-50页 |
| 5.2.6 云计算模型 | 第50-51页 |
| 5.3 实验结果与分析 | 第51-53页 |
| 5.3.1 模拟实验 | 第51页 |
| 5.3.2 真实数据实验 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第6章 结束语 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间的研究成果 | 第61页 |
