论文目录 | |
| 符号说明 | 第1-10
页 |
| 中文摘要 | 第10-13
页 |
| ABSTRACT | 第13-17
页 |
| 引言 | 第17-21
页 |
| 第一部分：文献综述 | 第21-51
页 |
| 第1 章数量性状主基因检测方法的研究进展 | 第21-36
页 |
| · 数量性状遗传研究进展 | 第22-24
页 |
| · 数量性状主基因的研究现状 | 第24-26
页 |
| · 数量性状主基因+多基因混合遗传模型的形成与发展 | 第24-25
页 |
| · 对数量性状主基因遗传现象的认识 | 第25-26
页 |
| · 数量性状主基因的研究意义和应用前景 | 第26-27
页 |
| · 数量性状主基因的研究意义 | 第26
页 |
| · 数量性状主基因的应用前景 | 第26-27
页 |
| · 数量性状主基因的检测方法 | 第27-31
页 |
| · 偏离正态分布检测法 | 第27-28
页 |
| · 主基因指数法（MAJOR GENE INDEX, MGI） | 第28
页 |
| · 分离分析法（SEGREGATION ANALYSIS, SA） | 第28-29
页 |
| · 连锁分析法（LINKAGE ANALYSIS） | 第29-30
页 |
| · 候选基因法（CANDIDATE GENE APPROACH） | 第30-31
页 |
| · 检测数量性状主基因的分离分析方法 | 第31-36
页 |
| · 分离分析法的理论基础 | 第31
页 |
| · 分离分析法的研究进展 | 第31-33
页 |
| · 极大似然估计方法和EM 算法 | 第33-34
页 |
| · 极大似然估计方法（Maximum Likelihood Method） | 第33
页 |
| · EM 算法（Expectation-Maximization Algorithm） | 第33-34
页 |
| · 似然比检验（LIKELIHOOD RATIO TEST, LRT） | 第34-36
页 |
| 第2 章基于DNA 微阵列数据的基因聚类方法 | 第36-51
页 |
| · 非监督聚类（UNSUPERVISED CLUSTERING） | 第38-44
页 |
| · 系统聚类（HIERARCHICAL CLUSTERING） | 第38-39
页 |
| · K-MEANS 聚类 | 第39-40
页 |
| · 主成分分析（PRINCIPAL COMPONENTS ANALYSIS, PCA） | 第40-41
页 |
| · 模糊聚类（FUZZY CLUSTERING） | 第41-42
页 |
| · 自组织图（SELF-ORGANIZING MAPS, SOMS） | 第42-43
页 |
| · 双向聚类（TWO-WAY CLUSTERING） | 第43-44
页 |
| · 偶联双向聚类（Coupled Two-way Clustering, CTWC） | 第44
页 |
| · 相关双向聚类（Interrelated Two-way Clustering） | 第44
页 |
| · 监督聚类（SUPERVISED CLUSTERING） | 第44-47
页 |
| · 简单监督聚类法 | 第45-46
页 |
| · 复杂监督聚类法 | 第46-47
页 |
| · logistic 回归 | 第46
页 |
| · 支持向量机器（Support Vector Machines, SVMs） | 第46-47
页 |
| · 人工神经网络（Artificial Neural Network, ANN） | 第47
页 |
| · 基于模型的聚类方法 | 第47-49
页 |
| · 基于混合模型聚类（MIXTURE MODEL-BASED CLUSTERING） | 第48-49
页 |
| · 基于隐马尔可夫模型聚类（HIDDEN MARKOV MODEL-BASED CLUSTERING,HMM-BASED CLUSTERING） | 第49
页 |
| · 展望 | 第49-51
页 |
| 第二部分：研究报告 | 第51-106
页 |
| 第3 章相关数量性状主基因的多元分离分析方法 | 第51-75
页 |
| · 原理和方法 | 第53-59
页 |
| · 多个相关数量性状的统计遗传模型 | 第53-54
页 |
| · 多个相关数量性状主基因的多元分离分析 | 第54-57
页 |
| · 参数估计和遗传假设测验 | 第57-58
页 |
| · 遗传假设和参数估计 | 第57-58
页 |
| · 遗传假设测验 | 第58
页 |
| · 一因多效与紧密连锁 | 第58-59
页 |
| · 模拟研究 | 第59-70
页 |
| · 模拟研究A | 第59-62
页 |
| · 模拟实验设置和考察指标 | 第59-60
页 |
| · 模拟结果 | 第60-62
页 |
| · 主基因的检测功效 | 第60-62
页 |
| · 主基因效应的准确度和精确度 | 第62
页 |
| · 模拟研究B | 第62-70
页 |
| · 模拟实验设置和考察指标 | 第68
页 |
| · 模拟结果 | 第68-70
页 |
| · 实例分析 | 第70-72
页 |
| · 讨论 | 第72-74
页 |
| · 结论 | 第74-75
页 |
| 第4 章一种基于似然极大的动态聚类方法及其应用 | 第75-87
页 |
| · 原理和方法 | 第77-79
页 |
| · 数据模式和似然函数 | 第77-78
页 |
| · 参数的极大似然估计 | 第78-79
页 |
| · 个体分类的贝叶斯后验概率判别 | 第79
页 |
| · 最佳聚类个数的评判 | 第79
页 |
| · 模拟研究 | 第79-83
页 |
| · 模拟设置和考察指标 | 第80
页 |
| · 算法的收敛性 | 第80
页 |
| · 最佳分类个数的确定 | 第80-82
页 |
| · 不同判别标准对误判率的影响 | 第82
页 |
| · 不同聚类方法的比较 | 第82-83
页 |
| · 应用实例 | 第83-85
页 |
| · 实例验证 | 第83-84
页 |
| · 实例分析 | 第84-85
页 |
| · 讨论 | 第85-86
页 |
| · 结论 | 第86-87
页 |
| 第5 章微阵列表达谱监督聚类方法的比较研究 | 第87-106
页 |
| · 代表性监督聚类方法 | 第89-96
页 |
| · 基于高斯混合模型的监督聚类（GAUSSIAN MIXTURE MODEL-BASED SUPERVISED CLUSTERING, GMM） | 第89-91
页 |
| · GMM-I | 第90-91
页 |
| · GMM-II | 第91
页 |
| · K-最近邻居法（K-NEAREST-NEIGHBOR, KNN） | 第91-92
页 |
| · 支持向量机器（SUPPORT VECTOR MACHINES, SVMS） | 第92-96
页 |
| · 二分类SVMs | 第92
页 |
| · 多分类SVMs（Multicategory Support Vector Machines, MC-SVMs） | 第92-96
页 |
| · 分类模型的评估 | 第96-97
页 |
| · 模拟数据分析和实例分析 | 第97-103
页 |
| · 模拟数据分析 | 第97-101
页 |
| · 模拟设置和考察指标 | 第97-98
页 |
| · 模拟结果 | 第98-101
页 |
| · 实例分析 | 第101-103
页 |
| · 酵母细胞周期微阵列数据 | 第101-103
页 |
| · NCI-60 微阵列数据 | 第103
页 |
| · 讨论 | 第103-104
页 |
| · 结论 | 第104-106
页 |
| 继续研究的设想 | 第106-107
页 |
| 参考文献 | 第107-117
页 |
| 致谢 | 第117-118
页 |
| 博士期间发表的研究论文 | 第118
页 |
