| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究的目的及意义 | 第11-12页 |
| 1.4 本文的内容安排 | 第12-13页 |
| 第2章 相关理论知识及数据集简介 | 第13-21页 |
| 2.1 蛋白质相互作用相关知识 | 第13-15页 |
| 2.1.1 氨基酸 | 第13-14页 |
| 2.1.2 蛋白质的结构 | 第14-15页 |
| 2.2 蛋白质相关数据库介绍 | 第15-16页 |
| 2.2.1 DIP数据库 | 第15页 |
| 2.2.2 STRING数据库 | 第15-16页 |
| 2.2.3 HPRD数据库 | 第16页 |
| 2.2.4 MINT数据库 | 第16页 |
| 2.3 数据挖掘相关知识 | 第16-18页 |
| 2.3.1 数据挖掘的基本概念 | 第16-18页 |
| 2.3.2 建立蛋白质相互作用预测模型的一般流程 | 第18页 |
| 2.4 WEKA数据挖掘工具介绍 | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 数据挖掘技术在蛋白质作用中的应用 | 第21-28页 |
| 3.1 基于氨基酸物理化学性质的序列特征表示与特征抽取 | 第21-24页 |
| 3.1.1 氨基酸的物理化学性质 | 第21-22页 |
| 3.1.2 物理化学反应矩阵 | 第22-23页 |
| 3.1.3 特征抽取 | 第23-24页 |
| 3.2 集成学习系统 | 第24-26页 |
| 3.2.1 集成学习介绍 | 第24页 |
| 3.2.2 随机森林模型算法框架 | 第24-25页 |
| 3.2.3 旋转森林模型算法框架 | 第25-26页 |
| 3.3 本章小结 | 第26-28页 |
| 第4章 实验设计与分析 | 第28-39页 |
| 4.1 预测性能的评价标准 | 第28-29页 |
| 4.2 数据集的选择与数据预处理 | 第29页 |
| 4.3 基于PR和LPQ的特征提取方法的预测模型训练 | 第29-34页 |
| 4.3.1 随机森林的参数选择与优化 | 第29-31页 |
| 4.3.2 旋转森林模型的参数选择与优化 | 第31-32页 |
| 4.3.3 实验结果 | 第32-34页 |
| 4.4 基于QRC特征抽取方法的预测模型训练 | 第34-36页 |
| 4.5 实验结果与目前已有研究成果比较 | 第36-38页 |
| 4.6 本章小结 | 第38-39页 |
| 第5章 基于旋转森林模型的蛋白质相互作用预测系统 | 第39-43页 |
| 5.1 预测系统技术特点与功能 | 第39页 |
| 5.2 预测系统的界面和功能说明 | 第39-43页 |
| 第6章 总结与展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-50页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第50页 |