生物信息學：機器學習方法

第一章 概述
第二章 機器學習的基礎(chǔ)：概率理論體系
第三章 概率建模和推斷：應用舉例
第四章 機器學習算法
第五章 神經(jīng)網(wǎng)絡(luò)：理論
第六章 神經(jīng)網(wǎng)絡(luò)：應用
第七章 隱馬氏模型：理論
第八章 隱馬氏模型：應用
第九章 生物信息學中的概率圖模型
第十章 進化的概率模型：系統(tǒng)進化樹
第十一章 隨機文法和語言學
第十二章 微陣列和基因表達
第十三章 互聯(lián)網(wǎng)資源和公共數(shù)據(jù)庫
附錄A 統(tǒng)計學
附錄B 信息論、熵和相對熵
附錄C 概率圖模型
附錄D HMM的相關(guān)技術(shù)：標定、周期構(gòu)架、狀態(tài)函數(shù)和Dirichlet混合模型
附錄E 高斯過程、核方法及支持向量機
附錄F 公式和縮寫符號
參考文獻
基本詞匯英漢對照表