| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-13页 |
| 前言 | 第13-16页 |
| 1 生物信息学简介 | 第16-22页 |
| 1．1 生物信息学产生的历史背景 | 第16页 |
| 1．2 生物信息学研究的主要内容及其科学意义 | 第16-20页 |
| 1．2．1 生物信息学数据库的建立、发展与管理 | 第17页 |
| 1．2．2 基因组及蛋白质组信息分析方法研究 | 第17页 |
| 1．2．3 “数字化基因”的获取 | 第17-18页 |
| 1．2．4 非编码区的信息结构分析 | 第18页 |
| 1．2．5 完整基因组的比较 | 第18页 |
| 1．2．6 生物进化的研究 | 第18页 |
| 1．2．7 大规模基因功能表达谱的分析 | 第18页 |
| 1．2．8 蛋白质分子空间结构与功能的预测、模拟和分子设计 | 第18-19页 |
| 1．2．9 药物设计 | 第19页 |
| 1．2．10 生物信息学研究的科学意义 | 第19-20页 |
| 1．3 国内外研究现状 | 第20-22页 |
| 2 几种常用的模式识别技术 | 第22-30页 |
| 2．1 蛋白质序列分析与模式识别技术 | 第22-23页 |
| 2．2 最近邻分类器 | 第23页 |
| 2．3 k-近邻分类器 | 第23-24页 |
| 2．4 贝叶斯分类器 | 第24-26页 |
| 2．5 聚类分析 | 第26-27页 |
| 2．5．1 距离聚类分析 | 第26页 |
| 2．5．2 相似性聚类分析 | 第26-27页 |
| 2．6 人工神经网络 | 第27-29页 |
| 2．7 本章小结 | 第29-30页 |
| 3 支持向量机原理及算法研究 | 第30-46页 |
| 3．1 支持向量机简介 | 第30-34页 |
| 3．1．1 支持向量机用于文本分类 | 第30-31页 |
| 3．1．2 支持向量机用于手写体数字识别 | 第31-32页 |
| 3．1．3 支持向量机用于图象识别 | 第32-33页 |
| 3．1．4 支持向量机用于工业生产领域 | 第33页 |
| 3．1．5 支持向量机用于癌症诊断 | 第33-34页 |
| 3．2 支持向量机分类原理 | 第34-39页 |
| 3．2．1 线性可分情形 | 第34-36页 |
| 3．2．2 非线性可分情形 | 第36-37页 |
| 3．2．3 核函数 | 第37-39页 |
| 3．3 非线性支持向量机算法及SVM★ | 第39-40页 |
| 3．4 SVM★的初步应用 | 第40-44页 |
| 3．4．1 SVM★对异或（XOR）问题的求解 | 第40-42页 |
| 3．4．2 SVM★208声纳数据样本测试及与同类分类器的性能对比研究 | 第42-44页 |
| 3．5 支持向量机的优点和不足 | 第44-45页 |
| 3．6 本章小结 | 第45-46页 |
| 4 SVM★及SVMProt网站的创建与使用 | 第46-62页 |
| 4．1 SVM★ | 第46-50页 |
| 4．1．1 SVM★网页界面 | 第46-47页 |
| 4．1．2 SVM★应用流程 | 第47-48页 |
| 4．1．3 SVM★应用实例 | 第48-50页 |
| 4．2 SVMProt | 第50-60页 |
| 4．2．1 SVMProt网页界面 | 第50-53页 |
| 4．2．2 SVMProt应用流程 | 第53-58页 |
| 4．2．3 SVMProt应用实例 | 第58-60页 |
| 4．3 本章小结 | 第60-62页 |
| 5 蛋白质分子功能的SVM预测研究 | 第62-77页 |
| 5．1 蛋白质分子结构与功能研究现状 | 第62-63页 |
| 5．2 SVM预测结果评价因子及其定义 | 第63-65页 |
| 5．2．1 SVM的分类性能常用评价体系 | 第63-64页 |
| 5．2．2 SVM的分类置信度及其定义 | 第64-65页 |
| 5．3 SVMProt对蛋白质功能的预测研究 | 第65-71页 |
| 5．3．1 样本数据采集 | 第65-66页 |
| 5．3．2 蛋白质特征向量的构建 | 第66-68页 |
| 5．3．3 SVMProt预测结果分析与讨论 | 第68-71页 |
| 5．4 SVMProt对具有相同功能的远缘/不同功能的同源蛋白质功能的预测研究 | 第71-73页 |
| 5．4．1 SVMProt对具有相同功能的远缘蛋白质的功能预测 | 第71-72页 |
| 5．4．2 SVMProt对具有不同功能的同源蛋白质的功能预测 | 第72-73页 |
| 5．5 SVMProt对SARS冠状病毒蛋白质功能的预测研究 | 第73-75页 |
| 5．5．1 SARS及SARS冠状病毒 | 第73页 |
| 5．5．2 SARS冠状病毒蛋白质功能的SVMProt预测结果及分析 | 第73-75页 |
| 5．6 本章小结 | 第75-77页 |
| 6 中药组方的计算机辅助分类与识别 | 第77-91页 |
| 6．1 信息技术与中药现代化 | 第77-78页 |
| 6．2 SVM应用于中药药方识别与新药方的预测 | 第78-89页 |
| 6．2．1 计算机应用于中药组方的分析 | 第78-79页 |
| 6．2．2 特征向量构造 | 第79-81页 |
| 6．2．3 样本采集 | 第81-89页 |
| 6．3 SVM分类结果及讨论 | 第89-90页 |
| 6．4 本章小结 | 第90-91页 |
| 7 结论与展望 | 第91-93页 |
| 7．1 主要结论 | 第91-92页 |
| 7．2 研究结果的意义 | 第92页 |
| 7．3 后续研究工作的展望 | 第92-93页 |
| 致谢 | 第93-95页 |
| 参考文献 | 第95-113页 |
| 附：1．作者在攻读博士学位期间发表的论文目录 | 第113-131页 |
| 2． 作者在攻读博士学位期间参加的科研项目及得奖情况 | 第115-116页 |
| 3 -1．104声纳数据训练集 | 第116-123页 |
| 3 -2．104声纳数据测试集 | 第123-131页 |
