1.一種基于相似性和邏輯矩陣分解的miRNA-疾病關聯關系預測方法,其特征在于，包括以下步驟：

步驟1：構建疾病功能相似性矩陣D_funsim；

步驟2：構建miRNA功能相似性矩陣M_funsim；

步驟3：根據已知的miRNA-疾病關聯關系分別構建miRNA高斯核相似性矩陣K_GIP,m和疾病高斯核相似性矩陣K_GIP,d；

步驟4：基于miRNA功能相似性矩陣M_funsim和高斯核相似性矩陣K_GIP,m計算miRNA最終相似性矩陣S_m；基于疾病功能相似性矩陣D_funsim和高斯核相似性矩陣K_GIP,d計算疾病最終相似性矩陣S_d；

步驟5：首先根據已知的miRNA-疾病關聯關系、miRNA最終相似性矩陣S_m和疾病最終相似性矩陣S_d，利用邏輯矩陣分解構建miRNA-疾病關聯關系預測模型；然后通過動態近鄰正則化對預測模型進行優化；

步驟6：首先求解優化后的預測模型，得到miRNA和疾病的潛在特征向量；然后根據miRNA和疾病的潛在特征向量，計算需要預測的miRNA-疾病對之間的關聯關系分數；分數越高，相應的miRNA-疾病對存在關聯關系的可能性越大。

2.根據權利要求1所述的基于相似性和邏輯矩陣分解的miRNA-疾病關聯關系預測方法，其特征在于，所述步驟1中，首先根據疾病基因關系和基因的功能相似性計算兩種疾病之間的功能相似性，然后由所有疾病兩兩之間的功能相似性構建疾病功能相似性矩陣D_funsim；

對于任意兩種疾病A和B，其功能相似性計算公式如下：

Dfunsim(A,B)=Σ1≤i≤mFSGB(gAi)+Σ1≤j≤nFSGA(gBj)m+n,]]>

其中，G_A＝{g_A1,g_A2,......,g_Am}和G_B＝{g_B1,g_B2,......,g_Bn}分別為與疾病A和B相關聯的基因集合，m和n分別為基因集合G_A和G_B中的基因數目；為基因g_Ai與基因集合G_B的功能相似性值，為基因g_Bj與基因集合G_A的功能相似性值，它們的計算方式如下：

FSGB(gAi)=max1≤j≤n(F(gAi,gBj)),]]>

FSGA(gBj)=max1≤i≤m(F(gAi,gBj)),]]>

其中F(g_Ai,g_Bj)為基因g_Ai和基因g_Bj的語義相似性值，在HumanNet數據庫中，給出了基于對數似然函數的語義相似性值計算值，具體如下：

F(g_Ai,g_Bj)＝LLS(g_Ai,g_Bj).

其中，LLS表示對數似然函數(在HumanNet數據庫中，使用對數似然函數計算基因語義相似性值為現有技術)。