膜蛋白分类问题的特征提取算法研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-20页 |
| ·引言 | 第12-14页 |
| ·研究背景 | 第14-17页 |
| ·膜蛋白类型概述 | 第14-16页 |
| ·国内外研究现状 | 第16-17页 |
| ·本文主要工作及创新 | 第17-18页 |
| ·论文结构 | 第18-20页 |
| 第二章 膜蛋白序列的特征提取和分类算法 | 第20-30页 |
| ·引言 | 第20页 |
| ·蛋白质序列的特征提取算法 | 第20-24页 |
| ·基于氨基酸组成和位置的特征提取方法 | 第21-22页 |
| ·基于氨基酸物理化学特性的特征提取方法 | 第22-24页 |
| ·其它特征提取方法 | 第24页 |
| ·蛋白质分类算法 | 第24-26页 |
| ·基于统计的分类算法 | 第25-26页 |
| ·基于机器学习的算法 | 第26页 |
| ·分类模型构建的相关技术 | 第26-29页 |
| ·数据集的构建 | 第26-27页 |
| ·模型的检验 | 第27-28页 |
| ·模型的评估 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于 k 子串离散源特征提取的分类 | 第30-39页 |
| ·数据集 | 第30-31页 |
| ·离散源与离散增量 | 第31-32页 |
| ·k 子串离散源特征提取算法 | 第32页 |
| ·K 近邻算法 | 第32-33页 |
| ·实验结果与分析 | 第33-38页 |
| ·子串长度k 的最优选取 | 第33-35页 |
| ·近邻数目K 的选取 | 第35-36页 |
| ·分类预测结果及分析比对 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于多特征融合提取方法的分类 | 第39-51页 |
| ·数据集 | 第39页 |
| ·特征提取 | 第39-42页 |
| ·位置权重氨基酸组分(ωAAC) | 第39-40页 |
| ·多维氨基酸残基指数相关系数 | 第40-42页 |
| ·支持向量机分类算法 | 第42-46页 |
| ·实验结果与分析 | 第46-50页 |
| ·选取最优残基指数组合方式 | 第46-47页 |
| ·分类预测结果及分析比对 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 结束语 | 第51-54页 |
| ·本文工作总结 | 第51-52页 |
| ·下一步工作展望 | 第52-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-64页 |
| 作者在学期间取得的学术成果 | 第64页 |
