| 提要 | 第1-5页 |
| 中文摘要 | 第5-7页 |
| Abstract | 第7-12页 |
| 第1章 生物信息学的研究背景及现状 | 第12-23页 |
| ·生物信息学 | 第12-13页 |
| ·生物信息学的研究现状和趋势 | 第13-15页 |
| ·生物信息学研究的主要内容 | 第15-16页 |
| ·生物信息学的主要方法 | 第16-21页 |
| ·数学统计方法 | 第16-17页 |
| ·动态规划方法 | 第17页 |
| ·机器学习与模式识别技术 | 第17-18页 |
| ·生物分子模拟技术 | 第18-19页 |
| ·计算智能技术 | 第19-21页 |
| ·生物信息学的研究意义 | 第21-22页 |
| ·本文的主要研究工作 | 第22-23页 |
| 第2章 计算智能主要技术 | 第23-36页 |
| ·人工神经网络 | 第23-30页 |
| ·神经网络定义 | 第23-24页 |
| ·神经网络的结构 | 第24-28页 |
| ·BP神经网络 | 第28-29页 |
| ·神经网络应用 | 第29-30页 |
| ·遗传算法 | 第30-36页 |
| ·遗传算法概要 | 第30-32页 |
| ·遗传算法的运算过程 | 第32-33页 |
| ·遗传算法的特点 | 第33页 |
| ·遗传算法的应用 | 第33-36页 |
| 第3章 人工神经网络方法在蛋白质二级结构预测中的应用 | 第36-43页 |
| ·蛋白质二级结构 | 第36-37页 |
| ·蛋白质二级结构预测的神经网络方法 | 第37-38页 |
| ·BP神经网络用于蛋白质二级结构预测 | 第38-40页 |
| ·PHD方法 | 第40-42页 |
| ·小节与展望 | 第42-43页 |
| 第4章 遗传算法在蛋白质折叠预测中的应用 | 第43-51页 |
| ·蛋白质折叠预测 | 第43-44页 |
| ·蛋白质折叠的HP模型 | 第44-46页 |
| ·蛋白质折叠算法设计 | 第46-47页 |
| ·用遗传算法预测蛋白质折叠 | 第47-50页 |
| ·小节与展望 | 第50-51页 |
| 第5章 结论与展望 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59页 |