本文關(guān)鍵詞：網(wǎng)絡(luò)拓?fù)湫畔⑼诰蛩惴ㄔO(shè)計(jì)及其應(yīng)用研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：研究零件各因素對其疲勞強(qiáng)度和壽命的影響規(guī)律非常重要,在零件的初步設(shè)計(jì)階段,它可以用于直接估算零件的疲勞強(qiáng)度和壽命。同時(shí),各種影響因素之間也存在潛在的相互干涉作用。所以,研究零件的各種疲勞強(qiáng)度影響因素,和它們之問存在的相互作用是一項(xiàng)很有意義的研究工作。考慮到機(jī)械疲勞強(qiáng)度影響因素分析與生物信息學(xué)中腫瘤多因素分析的研究非常類似,本文的研究從差異表達(dá)生物網(wǎng)絡(luò)(pathway)識(shí)別入手,建立有效的網(wǎng)絡(luò)拓?fù)湫畔⑼诰蛐滤惴?并將其應(yīng)用在機(jī)械疲勞強(qiáng)度影響因素分析上。具體研究內(nèi)容如下： 1)提出了基于馬爾科夫鏈模型建模網(wǎng)絡(luò)中有向邊,以評價(jià)有向邊性能的方法。所建立的模型使用網(wǎng)絡(luò)中兩個(gè)節(jié)點(diǎn)間的狀態(tài)轉(zhuǎn)移(概率)矩陣描述生物通路中基因間的信息或傳導(dǎo)信號(hào)的傳輸特性,并刻畫了基因間相互作用的活性。 2)使用有向邊的性能得分評價(jià)網(wǎng)絡(luò)的整體性能得分,以識(shí)別與樣本表型有顯著聯(lián)系的生物子網(wǎng)絡(luò)。為了探索網(wǎng)絡(luò)整體信息與樣本表型之間的潛在聯(lián)系,用網(wǎng)絡(luò)中所有有向邊的性能得分的均值,作為網(wǎng)絡(luò)的整體性能得分,再使用置換檢驗(yàn)獲得有統(tǒng)計(jì)學(xué)意義的子網(wǎng)絡(luò)。 3)應(yīng)用這種基于網(wǎng)絡(luò)有向邊挖掘網(wǎng)絡(luò)拓?fù)湫畔⒌乃惴?分析對零件疲勞強(qiáng)度有顯著影響的因素。所有可能對零件疲勞強(qiáng)度有影響的因素都被當(dāng)作節(jié)點(diǎn),建立這些因素間相互作用的復(fù)雜網(wǎng)絡(luò),使用新算法計(jì)算網(wǎng)絡(luò)中性能最優(yōu)的有向邊,分析兩端的節(jié)點(diǎn),最后判斷對疲勞強(qiáng)度有顯著影響的因素。
【關(guān)鍵詞】：疲勞強(qiáng)度 生物通路 基因表達(dá)數(shù)據(jù) 有向邊 馬爾科夫鏈模型
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TH114;TP311.13
【目錄】：

• 致謝7-8
• 摘要8-9
• ABSTRACT9-10
• 目錄10-12
• 插圖清單12-13
• 插表清單13-14
• 第一章 緒論14-22
• 1.1 課題背景及研究意義14-17
• 1.2 課題來源17
• 1.3 國內(nèi)外研究現(xiàn)狀17-19
• 1.4 本文研究的方法、技術(shù)路線19-22
• 第二章 基因網(wǎng)絡(luò)信息挖掘22-30
• 2.1 基因表達(dá)數(shù)據(jù)22-24
• 2.1.1 基因芯片和高通量測序技術(shù)22-23
• 2.1.2 基因測序數(shù)據(jù)挖掘23-24
• 2.2 基因調(diào)控網(wǎng)絡(luò)24-29
• 2.2.1 復(fù)雜網(wǎng)絡(luò)24-25
• 2.2.2 基因調(diào)控網(wǎng)絡(luò)25-28
• 2.2.3 pathway研究28-29
• 2.3 本章小結(jié)29-30
• 第三章 現(xiàn)有的生物網(wǎng)絡(luò)分析方法30-41
• 3.1 差異表達(dá)pathway30
• 3.2 基于功能組合得分的方法30-34
• 3.2.1 GSEA分析方法30-32
• 3.2.2 LRpath分析方法32-33
• 3.2.3 WW分析方法33-34
• 3.3 基于pathway拓?fù)湫畔⒌姆椒?/span>34-40
• 3.3.1 TAPPA分析方法34-35
• 3.3.2 DEAP分析方法35-37
• 3.3.3 DRW分析方法37-40
• 3.4 本章小結(jié)40-41
• 第四章 基于網(wǎng)絡(luò)中邊構(gòu)建的分析方法41-62
• 4.1 馬爾科夫鏈模型介紹41-43
• 4.1.1 馬爾科夫鏈特性41
• 4.1.2 初始狀態(tài)分布和狀態(tài)轉(zhuǎn)移(概率)矩陣41-43
• 4.2 基于馬爾科夫鏈模型建模網(wǎng)絡(luò)中的有向邊43-45
• 4.3 基于馬爾科夫鏈模型的網(wǎng)絡(luò)分析45-48
• 4.3.1 網(wǎng)絡(luò)中有向邊的性能評估45-46
• 4.3.2 網(wǎng)絡(luò)的整體性能評估46-48
• 4.4 實(shí)驗(yàn)驗(yàn)證48-61
• 4.4.1 實(shí)驗(yàn)數(shù)據(jù)和分類方法評價(jià)指標(biāo)48-50
• 4.4.2 模擬數(shù)據(jù)實(shí)驗(yàn)結(jié)果分析50-53
• 4.4.3 標(biāo)準(zhǔn)數(shù)據(jù)實(shí)驗(yàn)結(jié)果分析53-61
• 4.5 本章小結(jié)61-62
• 第五章 網(wǎng)絡(luò)信息挖掘算法在零件疲勞強(qiáng)度上的研究62-67
• 5.1 機(jī)械零件疲勞強(qiáng)度的主要影響因素62-64
• 5.1.1 應(yīng)力集中的影響62-63
• 5.1.2 零件尺寸的影響63
• 5.1.3 表面狀態(tài)的影響63-64
• 5.2 網(wǎng)絡(luò)拓?fù)湫畔⑼诰蛩惴ǖ膽?yīng)用64-66
• 5.2.1 實(shí)驗(yàn)試樣與實(shí)驗(yàn)設(shè)計(jì)64-65
• 5.2.2 運(yùn)算結(jié)果分析65-66
• 5.3 本章小結(jié)66-67
• 第六章 總結(jié)與展望67-69
• 6.1 論文的主要工作和創(chuàng)新點(diǎn)67
• 6.2 下一步工作展望67-69
• 參考文獻(xiàn)69-75
• 附錄 模擬數(shù)據(jù)實(shí)驗(yàn)結(jié)果75-78
• 攻讀碩士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況78

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 袁熙;李舜酩;;疲勞壽命預(yù)測方法的研究現(xiàn)狀與發(fā)展[J];航空制造技術(shù);2005年12期

2 涂善東;軒福貞;王衛(wèi)澤;;高溫蠕變與斷裂評價(jià)的若干關(guān)鍵問題[J];金屬學(xué)報(bào);2009年07期

3 張小麗;陳雪峰;李兵;何正嘉;;機(jī)械重大裝備壽命預(yù)測綜述[J];機(jī)械工程學(xué)報(bào);2011年11期

4 王永煜,張幼怡;基因芯片數(shù)據(jù)分析與處理[J];生物化學(xué)與生物物理進(jìn)展;2003年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 李莉;機(jī)械零件疲勞強(qiáng)度若干問題的研究[D];東北大學(xué)　;2009年

  本文關(guān)鍵詞：網(wǎng)絡(luò)拓?fù)湫畔⑼诰蛩惴ㄔO(shè)計(jì)及其應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：276413