譯者序
前言
第1章 生物基礎
1.1 遺傳學
1.1.1 核酸結構
1.1.2 基因
1.1.3 RNA
1.1.4 轉錄
1.1.5 蛋白質
1.1.6 翻譯
1.1.7 轉錄調控
1.2 基因組學
1.2.1 微陣列技術
1.3 蛋白質組學
第2章 基因網絡的確定性模型
2.1 圖模型
2.2 布爾網絡
2.2.1 細胞分化和細胞的功能狀態
2.2.2 網絡特性及動態行為
2.2.3 網絡推理
2.3 布爾網絡的推廣
2.3.1 異步
2.3.2 多值網絡
2.4 微分方程模型
2.4.1 有轉錄和翻譯過程的微分方程模型
2.4.2 連續微分方程模型的離散化
第3章 基因網絡的隨機模型
3.1 貝葉斯網絡
3.2 概率布爾網絡
3.2.1 定義
3.2.2 推理
3.2.3 PBN的動力學
3.2.4 暫態隨機PBN的穩態分析
3.2.5 PBN與貝葉斯網絡的關系
3.2.6 基於種子基因的子網絡的生長
3.3 干預
3.3.1 基因干預
3.3.2 結構干預
3.3.3 外部控制
第4章 分類
4.1 貝葉斯分類器
4.2 分類規則
4.2.1 一致分類器設計
4.2.2 分類規則實例
4.3 有約束的分類器
4.3.1 分散系數
4.3.2 VC維數
4.4 線性分類
4.4.1 Rosenblatt感知器
4.4.2 線性及二次判別分析
4.4.3 基於最小二乘誤差的線性判別式
4.4.4 支持向量機
4.4.5 線性判別式的設計誤差的表示
4.4.6 基於樣本QDA判別式的分布
4.5 神經網絡分類器
4.6 分類樹
4.6.1 分類與回歸樹
4.6.2 基於數據划分的強一致規則
4.7 誤差估計
4.7.1 重代人法
4.7.2 交叉驗證
4.7.3 自舉法
4.7.4 支撐
4.7.5 誤差估計器性能
4.7.6 特征集排序
4.8 誤差校正
4.9 魯棒分類器
4.9.1 最優魯棒分類器
4.9.2 魯棒分類器的性能比較
第5章 正則化
5.1 數據正則化
5.1.1 正則化判別分析
5.1.2 噪聲注入
5.2 復雜度正則化
5.2.1 誤差正則化
5.2.2 結構風險最小化
5.2.3 經驗復雜度
5.3 特征選擇
5.3.1 峰值現象
5.3.2 特征選擇算法
5.3.3 誤差估計對特征選擇的影響
5.3.4 冗余
5.3.5 並行增量特征選擇
5.3.6 貝葉斯變量選擇
5.4 特征提取
第6章 聚類
6.1 聚類算法的實例
6.1.1 歐氏距離聚類
6.1.2 自組織映射
6.1.3 分層聚類
6.1.4 基於模型的聚類算子
6.2 聚類算子
6.2.1 算法結構
6.2.2 標記算子
6.2.3 貝葉斯聚類器
6.2.4 聚類算子的分布測試
6.3 聚類的驗證
6.3.1 外部驗證
6.3.2 內部驗證
6.3.3 不穩定指數
6.3.4 貝葉斯因子
6.4 聚類算子學習
6.4.1 經驗誤差聚類算子
6.4.2 最近鄰聚類規則
索引