声明
致谢
图清单
表清单
变量注释表
1 绪论
1.1 研究背景和意义（research background and significance）
1.2 国内外研究现状（research status at home and abroad）
1.3 课题相关工作进展（related work progress of subject）
（1）基于打分函数的模型
（2）基于网络算法的预测模型
（3）基于机器学习的预测模型
1.4 本文的组织结构（structure of this article）
2 miRNA与疾病相关生物数据概述
2.1.1 疾病相关简介
2.1.2 疾病语义相似性计算
2.2.1 miRNA相关简介
2.2.2 miRNA功能相似性计算
2.3 miRNA与疾病关联（miRNA-disease association）
2.4 本章小结（chapter summary）
3 贝叶斯矩阵分解算法模型构建
3.1 问题描述（problem description）
3.2 相关基础工作（related basic work）
3.3 数据集及预处理(dataset and preprocessing)
3.3.1 疾病-miRNA关联矩阵
3.3.2 miRNA整合相似性
3.3.3 疾病整合相似性
3.4 贝叶斯矩阵分解算法模型（Bayesian matrix factorization algorithm model）
3.4.1 总体框架
3.4.2 双核核化贝叶斯矩阵分解
3.4.3 变分近似推理
3.4.4 预测miRNA与疾病关联
3.5.1 留一和五折交叉验证
3.5.2 参数对性能的影响
3.5.3 案例研究
3.6 本章小结（chapter summary）
4 异构网络的图正则化转导回归算法模型构建
4.1 问题描述（problem description）
4.2 相关基础工作(related basic work)
4.3 数据集及预处理(dataset and preprocessing)
4.3.1 lncRNA-miRNA关联矩阵和疾病-lncRNA关联矩阵
4.3.2 lncRNA相似性
4.4 异构网络的图正则化转导回归模型(graph regularized transduction regression model based on heterogeneous network)
4.4.1 总体框架
4.4.2 构建异构网络
4.4.3 预估计未标记节点相关的疾病
4.4.4 图正则化转导回归方法描述
4.5.1 留一和五折交叉验证
4.5.2 案例研究
4.6 本章小结（chapter summary）
5 总结与展望
5.1 算法优点与不足(advantages and disadvantages of algorithms)
5.1.1 贝叶斯矩阵分解算法模型
5.1.2 异构网络的图正则化转导回归算法模型
5.2 展望(prospect)
参考文献
作者简历
学位论文原创性声明
学位论文数据集
中国矿业大学中国矿业大学(江苏);
