| 第一章 引言 | 第1-11页 |
| ·简介 | 第7-8页 |
| ·本文的主要工作 | 第8-11页 |
| 第二章 缺失数据模式与机制 | 第11-17页 |
| ·缺失数据的问题及其模式 | 第11-13页 |
| ·导致缺失数据的机制 | 第13-14页 |
| ·缺失数据处理方法的分类 | 第14-17页 |
| 第三章 EM 算法 | 第17-32页 |
| ·EM 算法的历史背景 | 第17页 |
| ·EM 算法的理论基础 | 第17-22页 |
| ·极大似然估计 | 第17-18页 |
| ·缺失数据似然估计问题 | 第18-19页 |
| ·EM 算法 | 第19-20页 |
| ·EM 算法收敛性质 | 第20-21页 |
| ·EM 算法收敛速度 | 第21-22页 |
| ·EM 算法的改进与发展的现状 | 第22-24页 |
| ·GEM-ECM 算法 | 第22-23页 |
| ·EM-Newton 算法 | 第23页 |
| ·PX-EM 算法 | 第23-24页 |
| ·ECME 算法 | 第24页 |
| ·A-ECM 算法与实现 | 第24-32页 |
| ·Aitken 算法 | 第25-26页 |
| ·ECM 算法 | 第26页 |
| ·Aitken-ECM 算法 | 第26-32页 |
| 第四章 时间序列模型的 EM 参数估计 | 第32-56页 |
| ·时间序列模型的EM 算法参数估计 | 第32-42页 |
| ·完全数据模型EM 参数估计 | 第32-39页 |
| ·观测缺失模型EM 参数估计 | 第39-42页 |
| ·基于自适应Kalman 滤波的EM 算法 | 第42-49页 |
| ·常噪声Sage-Husa 自适应Kalman 滤波 | 第42-46页 |
| ·时变噪声Sage-Husa 自适应Kalman 滤波改进 | 第46-49页 |
| ·具有时变噪声协方差阵模型的EM 参数估计 | 第49-56页 |
| ·时变噪声协方差阵完整数据模型的参数估计 | 第49-52页 |
| ·时变噪声协方差阵缺失数据模型的参数估计 | 第52-56页 |
| 第五章 基因序列分析中的应用 | 第56-63页 |
| ·引言 | 第56-57页 |
| ·基因表达序列随机动态模型 | 第57-59页 |
| ·基因规则网络的分析 | 第59-60页 |
| ·混合基因组的规则网络分析 | 第60-62页 |
| ·小结 | 第62-63页 |
| 总结 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 附录 | 第70-73页 |
| 个人简历 | 第73-74页 |
| 科研成果及发表的学术论文 | 第74页 |