摘要7-9
Abstract9-11
第一章 绪论11-18
1.1 探讨背景和作用11-13
1.1.1 探讨背景11-12
1.1.2 探讨的作用12-13
1.2 国内外的探讨近况13-15
1.2.1 图聚类13-14
1.2.2 DNA 计算14-15
1.3 本论文主要探讨内容15-16
1.3.1 图聚类和 DNA 计算的相关论述概述15
1.3.2 基于 Adleman 模型的 DNA 计算在图聚类中的运用15
1.3.3 基于改善闭环 DNA 模型的介数算法在图聚类中的运用15-16
1.3.4 基于改善 DNA 粘贴模型的算法在图聚类中的运用16
1.4 本论文的革新点16
1.5 本论文的组织结构16-18
第二章 图聚类相关论述18-31
2.1 图论18-22
2.2 可取的簇性质22-23
2.3 识别簇的策略23-25
2.4 图聚类算法25-31
2.4.1 Kernighan-Lin 算法25-26
2.4.2 谱平分法26
2.4.3 电压和电势法26-27
2.4.4 基于 Normal 矩阵的谱平分法27-28
2.4.5 GN 算法28-29
2.4.6 结合谱浅析的凝聚算法29-31
第三章 DNA 计算31-36
3.1 DNA 计算基本概念和原理31-33
3.1.1 DNA 分子的结构31-32
3.1.2 DNA 操作技术32
3.1.3 DNA 计算的机理32-33
3.2 DNA 计算模型33-36
3.2.1 双链DNA 计算模型33-34
3.2.2 粘贴模型34
3.2.3 闭环 DNA 计算模型34-36
第四章 基于 DNA 计算的最大流算法在图聚类上的运用36-45
4.1 最大流算法背景知识36-37
4.1.1 最大流和最小切36
4.1.2 最大流算法探讨近况36-37
4.1.3 基于 Adleman 模型的最大流算法的基本思想37
4.2 无向图的聚类策略37-40
4.2.1 构造适合于运用最大流算法的网络图37-38
4.2.2 改善的 DNA 两阶段算法流程38-40
4.3 有向图的聚类策略40-41
4.3.1 构造适合于运用最大流算法的网络图40-41
4.3.2 算法的流程41
4.4 算法的生化实验操作41-42
4.5 算例42-44
4.6 本章小结44-45
第五章 基于闭环 DNA 计算的 GN 算法的探讨45-54
5.1 GN 算法45
5.1.1 GN 算法的基本思想45
5.1.2 GN 算法中边介数的计算策略45
5.2 闭环 DNA 模型及其基本的生化实验操作45-47
5.2.1 推广的最短路不足的闭环 DNA 计算模型45-46
5.2.2 推广的闭环 DNA 生化试验46-47
5.3 基于推广的闭环 DNA 计算的 GN 算法的流程47-50
5.3.1 算法的基本思想47
5.3.2 算法描述47-50
5.4 算例50-53
5.5 本章小结53-54
第六章 基于改善 DNA 粘贴模型的算法在图聚类中的运用54-63
6.1 粘贴模型及其改善54-56
6.1.1 基本的粘贴模型54
6.1.2 粘贴计算54-55
6.1.3 粘贴模型的四种基本生物操作55
6.1.4 改善的粘贴模型55-56
6.2 基于改善 DNA 粘贴模型的图聚类算法56-59
6.2.1 编码存储合成物及分离探针56-57
6.2.2 算法的生化实验步骤57-59
6.2.3 聚类操作59
6.3 仿真实验59-62
6.4 本章小结62-63
第七章 总结与展望63-65
7.1 探讨总结63-64
7.2 探讨展望64-65