首页--数理科学和化学论文--化学论文--有机化学论文

蛋白质热稳定性分类预测系统的设计与实现

摘要第4-5页
ABSTRACT第5-6页
引言第13-17页
    0.1 系统开发背景及意义第13-14页
    0.2 研究现状第14-15页
    0.3 主要研究内容及组织结构第15-17页
        0.3.1 主要研究内容第15页
        0.3.2 本文的组织结构第15-17页
第1章 相关技术介绍第17-27页
    1.1 MySQL数据库第17-18页
    1.2 Tomcat服务器第18页
    1.3 Spring MVC框架第18-19页
    1.4 特征选择第19-22页
        1.4.1 信息增益第19-20页
        1.4.2 信息增益率第20-21页
        1.4.3 Relief第21-22页
    1.5 支持向量机第22-25页
        1.5.1 最优分类面第22页
        1.5.2 线性可分第22-23页
        1.5.3 非线性可分第23-25页
    1.6 Adaboost第25-26页
    1.7 本章小结第26-27页
第2章 系统需求分析第27-39页
    2.1 功能性需求第27-37页
        2.1.1 数据字典第28-30页
        2.1.2 数据准备第30-31页
        2.1.3 数据分类预测第31-33页
        2.1.4 预测结果分析第33-36页
        2.1.5 系统管理第36-37页
    2.2 非功能性需求第37-38页
    2.3 本章小结第38-39页
第3章 系统设计第39-57页
    3.1 系统架构设计第39-40页
    3.2 系统模块设计第40-51页
        3.2.1 数据准备模块第40-43页
        3.2.2 数据分类预测模块第43-46页
        3.2.3 预测结果分析模块第46-49页
        3.2.4 系统管理模块第49-51页
    3.3 系统数据库设计第51-56页
        3.3.1 数据关系设计第51-52页
        3.3.2 数据表设计第52-56页
    3.4 系统部署第56页
    3.5 本章小结第56-57页
第4章 系统关键技术实现第57-71页
    4.1 序列特征计算第57-61页
        4.1.1 数据集构建第57-58页
        4.1.2 序列特征计算第58-61页
    4.2 特征选择的实现第61-64页
    4.3 支持向量机模型的实现和数据不平衡问题的处理第64-68页
        4.3.1 支持向量机分类模型的实现第64-66页
        4.3.2 数据不平衡问题的处理第66-67页
        4.3.3 支持向量机与其他模式识别算法的对比第67-68页
    4.4 Adaboost组合分类器的实现第68-70页
    4.5 本章小结第70-71页
第5章 系统测试第71-77页
    5.1 测试原理及测试环境第71-72页
        5.1.1 测试原理第71-72页
        5.1.2 测试环境第72页
    5.2 测试用例第72-76页
        5.2.1 功能测试第72-74页
        5.2.2 模型预测精度测试第74-75页
        5.2.3 性能测试第75-76页
        5.2.4 稳定性测试第76页
    5.3 测试结果第76页
    5.4 本章小结第76-77页
第6章 总结与展望第77-79页
    6.1 总结第77页
    6.2 展望第77-79页
致谢第79-80页
参考文献第80-83页
攻读学位期间发表的学术论文及参加科研情况第83页

论文共83页,点击 下载论文
上一篇:基于ZigBee技术的粮仓环境监测系统的设计与实现
下一篇:城市应急指挥平台系统的设计与实现