| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9页 |
| 1.2 蛋白质二级结构研究现状 | 第9-12页 |
| 1.3 论文主要工作 | 第12-13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 第2章 人工神经网络 | 第15-23页 |
| 2.1 人工神经网络 | 第15页 |
| 2.2 双层BP神经网络结构 | 第15-18页 |
| 2.3 随机梯度法训练具体过程 | 第18-20页 |
| 2.4 激活函数的选择 | 第20页 |
| 2.5 输入编码的归一化 | 第20-21页 |
| 2.6 训练过程及参数 | 第21-22页 |
| 2.7 神经网络的输出 | 第22页 |
| 2.8 小结 | 第22-23页 |
| 第3章 PSIPRED方法及其平衡性改进 | 第23-33页 |
| 3.1 引言 | 第23页 |
| 3.2 蛋白质二级结构相关知识 | 第23-26页 |
| 3.2.1 蛋白质一级结构(primary structure) | 第23-25页 |
| 3.2.2 蛋白质二级结构（secondary structure） | 第25-26页 |
| 3.2.3 蛋白质三级结构预测 | 第26页 |
| 3.3 蛋白质二级结构数据集 | 第26-27页 |
| 3.4 PSIPRED预测算法 | 第27-31页 |
| 3.4.1 特征编码 | 第27-29页 |
| 3.4.2 训练和测试 | 第29-30页 |
| 3.4.3 预测二级结构 | 第30-31页 |
| 3.5 PSIPRED算法的改进总结 | 第31-33页 |
| 第4章 蛋白质二级结构预测结果及分析 | 第33-41页 |
| 4.1 训练过程性能表现 | 第33-34页 |
| 4.2 结果评价方法 | 第34-35页 |
| 4.3 平行分类器的效果 | 第35-36页 |
| 4.4 各种改进算法的结果 | 第36-38页 |
| 4.5 蛋白质二级结构预测效果演示 | 第38-39页 |
| 4.6 小结 | 第39-41页 |
| 第5章 蛋白质结构类预测 | 第41-53页 |
| 5.1 蛋白质结构类相关背景知识 | 第41-45页 |
| 5.1.1 蛋白质结构类的划分 | 第41-42页 |
| 5.1.2 现有的分类方法介绍 | 第42页 |
| 5.1.3 通过已经预测的二级结构对结构类进行分类 | 第42-43页 |
| 5.1.4 蛋白质二级结构的混沌游戏表示Chaos Games Representation（CGR） | 第43-45页 |
| 5.2 数据集的选择 | 第45-46页 |
| 5.3 神经网络配置 | 第46页 |
| 5.4 训练和测试 | 第46-47页 |
| 5.5 试验结果评估方法 | 第47页 |
| 5.6 结果和分析 | 第47-52页 |
| 5.6.1 Astral40数据集上蛋白质二级结构预测准确率 | 第47-48页 |
| 5.6.2 相关算法比较 | 第48-51页 |
| 5.6.3 和原始PSIPRED算法的比较 | 第51-52页 |
| 5.7 小结 | 第52-53页 |
| 第6章 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 学位期间的研究成果 | 第60页 |
