| 摘要 | 第5-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第11-31页 |
| 1.1 选题的背景和意义 | 第11-13页 |
| 1.2 数据挖掘与生物信息学 | 第13-19页 |
| 1.3 支持向量机的理论、算法及应用 | 第19-26页 |
| 1.4 FDOD函数及其应用 | 第26-29页 |
| 1.5 本文主要工作 | 第29-31页 |
| 2 基于SVM和FDOD方法的同源寡聚蛋白质分类 | 第31-41页 |
| 2.1 引言 | 第31-32页 |
| 2.2 方法的描述 | 第32-34页 |
| 2.3 对同源二聚体和同源非二聚体的分类 | 第34-37页 |
| 2.4 同源寡聚蛋白质多类分类 | 第37-39页 |
| 2.5 讨论 | 第39-40页 |
| 2.6 小结 | 第40-41页 |
| 3 基于线性规划的ν-SVM分类器 | 第41-49页 |
| 3.1 引言 | 第41页 |
| 3.2 基于二次规划的ν-支持向量机分类器 | 第41-43页 |
| 3.3 基于线性规划的ν-支持向量机分类器 | 第43-45页 |
| 3.4 算法与数值实验 | 第45-48页 |
| 3.5 小结 | 第48-49页 |
| 4 无参数鲁棒线性规划支持向量机分类的牛顿法 | 第49-61页 |
| 4.1 引言 | 第49-50页 |
| 4.2 无参数鲁棒线性规划支持向量机的模型 | 第50-52页 |
| 4.3 模型的最小2-范数解 | 第52-54页 |
| 4.4 牛顿算法 | 第54-55页 |
| 4.5 数值实验 | 第55-57页 |
| 4.6 算法在肿瘤分类中的应用 | 第57-60页 |
| 4.7 小结 | 第60-61页 |
| 5 基于FDOD方法的DNA序列相似性分析 | 第61-67页 |
| 5.1 引言 | 第61-62页 |
| 5.2 数据 | 第62页 |
| 5.3 方法的描述 | 第62-63页 |
| 5.4 结果和讨论 | 第63-66页 |
| 5.5 小结 | 第66-67页 |
| 6 一种新的DNA序列的2-D图形表示方法及其应用 | 第67-77页 |
| 6.1 引言 | 第67页 |
| 6.2 DNA序列的一种新的2-D图形表示 | 第67-70页 |
| 6.3 DNA序列的数值刻划 | 第70-74页 |
| 6.4 DNA序列的相似性分析 | 第74-75页 |
| 6.5 小结 | 第75-77页 |
| 7 总结与展望 | 第77-79页 |
| 参考文献 | 第79-88页 |
| 攻读博士学位期间发表和完成学术论文情况 | 第88-89页 |
| 创新点摘要 | 第89-90页 |
| 致谢 | 第90-91页 |
| 附录 生物学基础知识 | 第91-95页 |
| 大连理工大学学位论文版权使用授权书 | 第95页 |