支持向量机在蛋白质结构预测中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第1章 绪论 | 第7-11页 |
| ·问题的提出 | 第7-8页 |
| ·论文主题研究现状 | 第8-10页 |
| ·SVM理论研究现状 | 第8-9页 |
| ·SVM的应用研究现状 | 第9-10页 |
| ·本文的主要研究内容 | 第10-11页 |
| 第2章 支持向量机理论研究 | 第11-27页 |
| ·支持向量机的数学基础 | 第11-18页 |
| ·经验风险最小化 | 第11-13页 |
| ·复杂性与推广能力 | 第13-14页 |
| ·学习过程一致性的条件 | 第14页 |
| ·VC维 | 第14-15页 |
| ·泛化误差的边界 | 第15-16页 |
| ·结构风险最小化原则 | 第16-18页 |
| ·支持向量机算法研究 | 第18-26页 |
| ·分类问题 | 第18-19页 |
| ·线性可分的SVM | 第19-20页 |
| ·近似线性可分问题与线性SVM | 第20-23页 |
| ·线性不可分问题与SVM | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 支持向量机应用研究 | 第27-41页 |
| ·SVM训练方法及SMO算法 | 第27-30页 |
| ·数据向量化和归一化 | 第30-32页 |
| ·软件和数据的选择 | 第30-31页 |
| ·数据向量化 | 第31页 |
| ·数据归一化 | 第31-32页 |
| ·参数选取和评价 | 第32-35页 |
| ·参数选取 | 第32-34页 |
| ·参数评价 | 第34-35页 |
| ·参数优化和网格搜索 | 第35-39页 |
| ·结果与讨论 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于支持向量机的蛋白质二级结构预测 | 第41-54页 |
| ·背景知识 | 第41-45页 |
| ·蛋白质结构简介 | 第41-42页 |
| ·常用二级结构的预测方法介绍 | 第42-45页 |
| ·蛋白质二级结构分类 | 第45页 |
| ·数据集的选取 | 第45-46页 |
| ·数据的向量化 | 第46-50页 |
| ·滑动窗口法 | 第47-48页 |
| ·带进化信息的滑动窗口法 | 第48-50页 |
| ·参数优化 | 第50-52页 |
| ·结果与讨论 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 结论与展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第61页 |
