首页--生物科学论文--生物化学论文--蛋白质论文

基于机器学习方法的蛋白质亚细胞定位预测研究

摘要第1-5页
Abstract第5-10页
1 绪论第10-22页
   ·研究背景及意义第10-12页
     ·蛋白质亚细胞定位预测简介第10-11页
     ·蛋白质结构类预测简介第11-12页
   ·相关问题的研究现状第12-19页
     ·蛋白质亚细胞定位预测现状第12-17页
     ·蛋白质结构类预测现状第17-19页
   ·本文的主要工作第19-22页
2 选择性集成神经网络在革兰阴性杆菌蛋白质亚细胞定位预测中的应用第22-42页
   ·引言第22页
   ·神经网络与集成学习概述第22-27页
     ·神经网络第22-24页
     ·集成学习第24-27页
   ·选择性集成技术第27-34页
     ·理论分析第27-29页
     ·实验验证第29-30页
     ·网络构架第30-34页
   ·革兰阴性杆菌中蛋白质亚细胞定位预测第34-41页
     ·数据集第34-37页
     ·实验过程第37-40页
     ·系统性能提升第40-41页
   ·本章小结第41-42页
3 基于主成分分析的蛋白质亚细胞定位预测第42-62页
   ·引言第42页
   ·伪氨基酸组成成分分析模型介绍第42-44页
   ·ELM-PCA预测系统的建立与评估第44-54页
     ·主成分分析理论第46-48页
     ·数据集第48页
     ·参数设定第48-49页
     ·评估准则第49-50页
     ·结果与讨论第50-54页
   ·蛋白质序列表示模型PPseAAC的建立与评估第54-59页
     ·PPseAAC模型由来第54-55页
     ·PPseAAC模型评测第55-59页
   ·本章小结第59-62页
4 局部线性嵌入映射算法的改进及其在蛋白质结构类预测中的应用第62-82页
   ·引言第62页
   ·局部线性嵌入映射算法第62-73页
     ·局部线性嵌入映射算法简介第62-63页
     ·局部线性嵌入映射算法详细分析第63-68页
     ·局部线性嵌入映射算法的改进第68-73页
   ·改进的局部线性嵌入映射算法在蛋白质结构类预测中的应用第73-78页
     ·数据集第73-75页
     ·实验准备第75-76页
     ·实验过程第76-78页
   ·本章小结第78-82页
5 结论与展望第82-85页
   ·结论第82-84页
     ·选择性集成网络在革兰阴性杆菌蛋白质亚细胞定位预测中的应用第82-83页
     ·基于主成分分析的蛋白质亚细胞定位预测第83页
     ·局部线性嵌入映射算法的改进及其在蛋白质结构类预测中的应用第83-84页
   ·展望第84-85页
参考文献第85-95页
攻读博士学位期间发表学术论文情况第95-96页
致谢第96-98页
作者简介第98-99页

论文共99页,点击 下载论文
上一篇:基于宏基因组的芳烃加氧酶获取及特性研究
下一篇:微生物培养的状态反馈控制