| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要内容与结构安排 | 第12-15页 |
| 1.3.1 主要内容 | 第12-13页 |
| 1.3.2 论文结构安排 | 第13-15页 |
| 第二章 机器学习及相关优化算法 | 第15-25页 |
| 2.1 算法概述 | 第15-16页 |
| 2.2 SVM及其相关算法 | 第16-20页 |
| 2.2.1 SVM原理 | 第16-17页 |
| 2.2.2 LS-SVM原理 | 第17-18页 |
| 2.2.3 多分类支持向量机 | 第18-19页 |
| 2.2.4 核函数及参数的影响 | 第19-20页 |
| 2.3 参数优化算法 | 第20-22页 |
| 2.3.1 粒子群算法 | 第20-21页 |
| 2.3.2 模拟退火算法 | 第21页 |
| 2.3.3 模拟退火粒子群算法 | 第21-22页 |
| 2.4 ReliefF特征选择算法 | 第22-24页 |
| 2.4.1 Relief算法 | 第22-23页 |
| 2.4.2 ReliefF算法 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 蛋白质结构及蛋白质序列特征 | 第25-33页 |
| 3.1 蛋白质结构相关知识 | 第25-27页 |
| 3.2 蛋白质数据库 | 第27-29页 |
| 3.2.1 蛋白质结构类数据库 | 第27-28页 |
| 3.2.2 蛋白质模型评估数据库 | 第28-29页 |
| 3.3 蛋白质结构类特征表达 | 第29-30页 |
| 3.3.1 氨基酸组分法 | 第29页 |
| 3.3.2 多肽链组分法 | 第29-30页 |
| 3.3.3 伪氨基酸组成 | 第30页 |
| 3.4 蛋白质模型质量的特征提取 | 第30-32页 |
| 3.4.1 BLAST简介 | 第30-31页 |
| 3.4.2 提取特征 | 第31页 |
| 3.4.3 蛋白结构模型质量得分 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于ML的蛋白质结构类分类 | 第33-41页 |
| 4.1 蛋白质结构类分类过程 | 第33-34页 |
| 4.2 数据集 | 第34页 |
| 4.3 特征提取过程及结果 | 第34-36页 |
| 4.3.1 ReliefF算法的特征提取过程 | 第34-35页 |
| 4.3.2 特征提取结果及分析 | 第35-36页 |
| 4.4 ML建模及参数优化 | 第36-38页 |
| 4.4.1 ML建模及基于SAPSO的参数优化的具体过程 | 第36-37页 |
| 4.4.2 最优参数的结果分析 | 第37-38页 |
| 4.5 比较不同算法的分类效果 | 第38-39页 |
| 4.6 本章小结 | 第39-41页 |
| 第五章 蛋白质模型质量评估 | 第41-51页 |
| 5.1 蛋白质模型质量评估原理 | 第41-42页 |
| 5.2 数据来源 | 第42-46页 |
| 5.2.1 数据集 | 第42-43页 |
| 5.2.2 特征提取过程 | 第43-46页 |
| 5.3 ML建模及基于SAPSO参数优化的过程 | 第46-48页 |
| 5.4 结果分析 | 第48-49页 |
| 5.5 本章小结 | 第49-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-61页 |
| 攻读硕士学位期间发表的学术论文和科研情况 | 第61-62页 |