| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 生物信息学和生物数据挖掘 | 第15-16页 |
| 1.2.2 亚细胞定位问题概述 | 第16-19页 |
| 1.3 研究内容 | 第19-20页 |
| 1.4 论文章节安排 | 第20-22页 |
| 第二章 数据集构建与蛋白质序列特征 | 第22-38页 |
| 2.1 细菌及其亚细胞结构 | 第22-24页 |
| 2.2 蛋白质序列 | 第24-26页 |
| 2.2.1 蛋白质序列组成 | 第24页 |
| 2.2.2 UniProt数据库 | 第24-25页 |
| 2.2.3 序列比对 | 第25-26页 |
| 2.3 数据集构建 | 第26-31页 |
| 2.3.1 数据集构建原则 | 第26-27页 |
| 2.3.2 数据集构建方法 | 第27-31页 |
| 2.4 基因本体数据库构建 | 第31-32页 |
| 2.4.1 基因本体 | 第31页 |
| 2.4.2 数据库构建过程 | 第31-32页 |
| 2.5 蛋白质序列特征提取 | 第32-36页 |
| 2.5.1 基因本体特征 | 第33页 |
| 2.5.2 AAC特征 | 第33页 |
| 2.5.3 PseAAC特征 | 第33-34页 |
| 2.5.4 词袋特征 | 第34-36页 |
| 2.6 本章小结 | 第36-38页 |
| 第三章 基于GO组合特征的蛋白质亚细胞单点定位预测 | 第38-54页 |
| 3.1 基于GO的组合特征 | 第38-41页 |
| 3.1.1 PCA算法介绍 | 第38-39页 |
| 3.1.2 基于GO的特征融合过程 | 第39-41页 |
| 3.2 基于SVM的蛋白质亚细胞单点定位预测算法 | 第41-45页 |
| 3.2.1 SVM算法介绍 | 第41-43页 |
| 3.2.2 亚细胞单点定位预测算法 | 第43-44页 |
| 3.2.3 网格搜索法优化SVM参数 | 第44-45页 |
| 3.3 评价指标 | 第45-46页 |
| 3.4 实验设置 | 第46-47页 |
| 3.5 实验结果 | 第47-52页 |
| 3.6 本章小结 | 第52-54页 |
| 第四章 基于改进ML-RBF的蛋白质亚细胞多点定位预测算法 | 第54-70页 |
| 4.1 基于聚类优化的ML-RBF算法 | 第54-62页 |
| 4.1.1 ML-RBF算法介绍 | 第54-56页 |
| 4.1.2 基于标记内的聚类方法改进策略 | 第56-57页 |
| 4.1.3 基于标记间的聚类方法改进策略 | 第57-60页 |
| 4.1.4 梯度下降算法 | 第60页 |
| 4.1.5 基于聚类优化的结果集调整策略 | 第60-62页 |
| 4.2 基于CL-RBF的蛋白质亚细胞定位预测 | 第62-64页 |
| 4.2.1 亚细胞多点定位预测算法 | 第62-63页 |
| 4.2.2 自适应梯度下降调参 | 第63-64页 |
| 4.3 评价指标 | 第64-65页 |
| 4.4 实验设置 | 第65页 |
| 4.5 实验结果 | 第65-67页 |
| 4.6 本章小结 | 第67-70页 |
| 第五章 蛋白质亚细胞定位预测系统与开发 | 第70-86页 |
| 5.1 前言 | 第70-71页 |
| 5.1.1 系统用途 | 第70页 |
| 5.1.2 可行性分析 | 第70-71页 |
| 5.2 需求分析 | 第71-73页 |
| 5.2.1 用例分析 | 第72页 |
| 5.2.2 事件流 | 第72-73页 |
| 5.3 详细设计 | 第73-86页 |
| 5.3.1 类图 | 第74-77页 |
| 5.3.2 时序图 | 第77-79页 |
| 5.3.3 数据库设计 | 第79-80页 |
| 5.3.4 系统界面 | 第80-86页 |
| 第六章 总结与展望 | 第86-88页 |
| 参考文献 | 第88-94页 |
| 致谢 | 第94-96页 |
| 攻读学位期间的研究成果 | 第96页 |