长链非编码RNA（lncRNA）是近年来肿瘤基因组学研究的热点,特指一类种类繁多的核糖核酸分子。lncRNA参与多项生物学过程,其功能主要集中在两方面:组装蛋白复合物,与其它非编码RNA竞争结合。基于lncRNA的关键功能以及相关病理实验,lncRNA的突变和失调可以被证实与多种人类重大疾病存在强关联性。因此,lncRNA与疾病的关联预测工作可助力疾病的诊断与治疗,具有广阔研究前景。迄今为止,众多计算方法已经被应用于lncRNA与疾病的关联预测工作中。一些方法难以集成差异化的多数据源,采用拼接、融合特征向量以预测lncRNA与疾病之间的关联,往往忽略不同数据源之间的潜在关联和噪声,使得特征融合不充分、不均衡,最后导致特征向量维度爆炸、模型训练过拟合或欠拟合,且在模型训练过程中其精度有待于提高,关键超参数的调优存在效率低等问题。本文提出自适应多网络融合学习预测框架Bi-Aero LDA及Aero LDA,预测lncRNA与疾病之间的关联。首先,本文分别采用疾病语义高斯相似性、lncRNA功能高斯相似性、基因Jaccard相似性计算,融合多数据源信息并分别构造疾病相似性网络、lncRNA相似性网络、关联基因融合的疾病相似性网络、关联基因融合的lncRNA相似性网络,并采用重启随机游走算法分别获取各子网络中节点的扩散状态;其次,本文采用Diffusion Component Analysis方法结合奇异值分解方法对扩散状态进行特征融合和维度压缩;最后,本文将融合后的网络特征输入到极端梯度提升模型进行迭代训练,同时还利用粒子群算法对极端梯度提升的关键超参数进行全局优化,以构建Bi-Aero LDA和Aero LDA预测框架。在模型评估实验章节中,本文策略不仅与几类策略相比具有更好性能,而且在预测已知疾病与lncRNA关联和预测新疾病任务中获得较优结果。另外,为了进一步验证两组框架的预测性能,本文选取乳腺癌、卵巢癌、前列腺癌、结直肠癌四种人类重大疾病进行案例研究分析来验证其有效性。