摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第14-21页 |
1.1 研究背景及意义 | 第14-16页 |
1.2 研究现状 | 第16-18页 |
1.2.1 流感病毒宿主预测的研究现状 | 第16-17页 |
1.2.2 病毒序列鉴定的研究现状 | 第17-18页 |
1.3 研究内容 | 第18-19页 |
1.4 论文组织结构 | 第19-21页 |
第2章 相关理论基础 | 第21-42页 |
2.1 生物序列介绍 | 第21-25页 |
2.1.1 核酸序列 | 第21-22页 |
2.1.2 蛋白质序列 | 第22-25页 |
2.2 流感病毒 | 第25-26页 |
2.3 病毒宏基因组学 | 第26页 |
2.4 同源性搜索 | 第26-29页 |
2.4.1 同源性搜索概念及意义 | 第26-27页 |
2.4.2 同源性搜索算法简介 | 第27-28页 |
2.4.3 同源性搜索常用工具 | 第28-29页 |
2.5 词向量 | 第29-37页 |
2.5.1 词的表示方法简介 | 第29-30页 |
2.5.2 统计语言模型 | 第30-32页 |
2.5.3 神经网络语言模型 | 第32-34页 |
2.5.4 word2vec的模型 | 第34-37页 |
2.6 机器学习方法 | 第37-41页 |
2.6.1 支持向量机(Support Vector Machine,简称SVM) | 第37-39页 |
2.6.2 k近邻方法(k-Nearest Neighbor,简称kNN) | 第39页 |
2.6.3 决策树(Decision Tree,简称DT) | 第39-41页 |
2.6.4 随机森林(Random Forest,简称RF) | 第41页 |
2.7 本章小结 | 第41-42页 |
第3章 基于词向量的流感病毒宿主预测 | 第42-60页 |
3.1 背景介绍 | 第42-43页 |
3.2 数据集 | 第43-44页 |
3.2.1 数据来源 | 第43页 |
3.2.2 数据获取及预处理 | 第43-44页 |
3.3 模型与方法 | 第44-51页 |
3.3.1 训练word2vec模型 | 第45-48页 |
3.3.2 生物序列向量化 | 第48-49页 |
3.3.3 基于词向量预测流感病毒宿主 | 第49-50页 |
3.3.4 使用同源性搜索预测流感病毒宿主 | 第50-51页 |
3.3.5 性能度量 | 第51页 |
3.4 实验与结果分析 | 第51-59页 |
3.4.1 实验目的及实现 | 第51-52页 |
3.4.2 基于流感病毒蛋白质序列的宿主预测结果 | 第52-56页 |
3.4.3 基于流感病毒DNA序列的宿主预测结果 | 第56-58页 |
3.4.4 流感病毒蛋白质序列和DNA序列的预测结果比较 | 第58-59页 |
3.4.5 结果讨论 | 第59页 |
3.5 本章小结 | 第59-60页 |
第4章 基于词向量的病毒序列鉴定 | 第60-67页 |
4.1 背景介绍 | 第60-61页 |
4.2 数据集 | 第61页 |
4.3 模型与方法 | 第61-64页 |
4.3.1 训练word2vec模型 | 第61-62页 |
4.3.2 生物序列向量化 | 第62页 |
4.3.3 使用同源性搜索鉴定病毒序列 | 第62-63页 |
4.3.4 基于词向量鉴定病毒序列 | 第63-64页 |
4.3.5 性能度量 | 第64页 |
4.4 实验与结果分析 | 第64-66页 |
4.4.1 实验目的及实现 | 第64页 |
4.4.2 结果分析 | 第64-66页 |
4.5 本章小结 | 第66-67页 |
第5章 基于词向量的流感病毒宿主预测软件 | 第67-73页 |
5.1 引言 | 第67页 |
5.2 搭建技术 | 第67-68页 |
5.3 系统功能及实现 | 第68-69页 |
5.3.1 系统功能 | 第68-69页 |
5.3.2 系统实现 | 第69页 |
5.4 系统测试 | 第69-71页 |
5.4.1 测试方案 | 第69-70页 |
5.4.2 测试结果 | 第70-71页 |
5.4.3 测试示例 | 第71页 |
5.5 本章小结 | 第71-73页 |
结论 | 第73-75页 |
参考文献 | 第75-81页 |
致谢 | 第81-82页 |
附录A 攻读学位期间取得的研究成果 | 第82-83页 |
附录B 第3章基于词向量的流感病毒宿主预测结果 | 第83-94页 |