基于机器学习的蛋白质相互作用预测结果与样本重复性关系的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的和意义 | 第10-11页 |
| 1.3 国内外研究现状与本文主要工作 | 第11-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 相关理论和技术 | 第15-29页 |
| 2.1 机器学习 | 第15-24页 |
| 2.1.1 决策树 | 第15-18页 |
| 2.1.2 随机森林 | 第18-19页 |
| 2.1.3 朴素贝叶斯 | 第19-22页 |
| 2.1.4 K-近邻 | 第22-24页 |
| 2.2 分类性能度量指标 | 第24-26页 |
| 2.3 图论相关理论 | 第26-28页 |
| 2.3.1 图的邻接矩阵及其运算 | 第26-27页 |
| 2.3.2 蛋白质相互作用图和蛋白质平均重复率 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 数据集的构造 | 第29-42页 |
| 3.1 蛋白质相互作用数据库 | 第29-31页 |
| 3.2 数据集的构造方法 | 第31-34页 |
| 3.2.1 正数据集的构造方法 | 第31-32页 |
| 3.2.2 负数据集的构造方法 | 第32-34页 |
| 3.3 数据集的构造过程 | 第34-38页 |
| 3.3.1 正数据集的构造过程 | 第34-36页 |
| 3.3.2 负数据集的构造过程 | 第36-37页 |
| 3.3.3 实验数据集的构造 | 第37-38页 |
| 3.4 数据集构造结果及分析 | 第38-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 蛋白质编码 | 第42-49页 |
| 4.1 自协方差编码算法 | 第43-45页 |
| 4.2 数据集编码 | 第45-47页 |
| 4.3 本章小结 | 第47-49页 |
| 第五章 实验结果及分析 | 第49-64页 |
| 5.1 实验描述 | 第49-53页 |
| 5.1.1 数据格式转换 | 第49-50页 |
| 5.1.2 Weka软件中的机器学习实验步骤 | 第50-53页 |
| 5.2 实验结果 | 第53-59页 |
| 5.3 结论分析 | 第59-63页 |
| 5.3.1 蛋白质重复性对预测结果影响的分析 | 第59-60页 |
| 5.3.2 重复蛋白质的分布对预测结果影响的分析 | 第60-63页 |
| 5.4 本章小结 | 第63-64页 |
| 总结与展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |
