生物信息学 第一节统计学习与推理基础 292 第二节统计模型与参数推断 297 第三节聚类分析、主成分分析与Fisher判别 299 第四节贝叶斯推理 .305 第五节隐马尔可夫模型 .306 第六节动态神经网络 .310 第七节深度学习 .313 第八节支持向量机 322 第九节MATLAB的应用实例 .326 第十三章生物信息学编程基础 327 第一节Linux操作系统 327 第二节生物信息学中的编程语言… 339 第三节SQL及数据库编程 355 第四节并行计算 .361 第十四章新一代测序技术及其应用 .366 第一节测序技术概述 366 第二节第二代测序原理 .369 第三节第二代测序技术的应用 .376 第四节生物信息学在第二代测序中的应用 ..380 第五节生物信息学新技术与发展趋势.385生物信息学 5 第一节 统计学习与推理基础 ......................................................292 第二节 统计模型与参数推断 ......................................................297 第三节 聚类分析、主成分分析与 Fisher 判别..........................299 第四节 贝叶斯推理 ......................................................................305 第五节 隐马尔可夫模型 ..............................................................306 第六节 动态神经网络 ..................................................................310 第七节 深度学习 ..........................................................................313 第八节 支持向量机 ......................................................................322 第九节 MATLAB 的应用实例.....................................................326 第十三章 生物信息学编程基础 ..........................................................327 第一节 Linux 操作系统................................................................327 第二节 生物信息学中的编程语言 ..............................................339 第三节 SQL 及数据库编程..........................................................355 第四节 并行计算 ..........................................................................361 第十四章 新一代测序技术及其应用 ..................................................366 第一节 测序技术概述 ..................................................................366 第二节 第二代测序原理 ..............................................................369 第三节 第二代测序技术的应用 ..................................................376 第四节 生物信息学在第二代测序中的应用..............................380 第五节 生物信息学新技术与发展趋势 ......................................385