计算智能方法在生物信息学中的应用
| 第一章 概论 | 第1-20页 |
| ·生物信息学 | 第8-11页 |
| ·计算智能方法 | 第11-20页 |
| ·定义 | 第11页 |
| ·主要计算智能方法概述 | 第11-20页 |
| ·人工神经网络 | 第11-13页 |
| ·隐马尔可夫模型 | 第13-15页 |
| ·支撑向量机 | 第15-19页 |
| ·遗传算法 | 第19-20页 |
| 第二章 BP 神经网络 | 第20-26页 |
| ·前言 | 第20-21页 |
| ·多层感知机 | 第21-22页 |
| ·反向传播算法 | 第22-26页 |
| ·性能指数 | 第22-23页 |
| ·链式法则求偏导 | 第23-24页 |
| ·敏感性的反向传播 | 第24-26页 |
| ·BP 算法小结 | 第26页 |
| 第三章 神经网络方法预测蛋白质二级结构 | 第26-39页 |
| ·引言 | 第26-27页 |
| ·基本方法 | 第27-31页 |
| ·单隐层 BP 网络结构 | 第27-28页 |
| ·数据表示 | 第28页 |
| ·预测精度衡量指标 | 第28-29页 |
| ·网络训练、测试的标准化 | 第29-31页 |
| ·网络结构的改进 | 第31-34页 |
| ·“进化信息”的加入 | 第34-37页 |
| ·三级网络 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第四章 蛋白质域结构类预测 | 第39-46页 |
| ·引言 | 第39-40页 |
| ·数据 | 第40-43页 |
| ·方法 | 第43-44页 |
| ·结果 | 第44-45页 |
| ·自支持测试 | 第44-45页 |
| ·jack-knife 测试 | 第45页 |
| ·测试集 | 第45页 |
| ·比较 | 第45-46页 |
| ·结论 | 第46页 |
| 第五章 基因选择和癌症分类 | 第46-51页 |
| ·引言 | 第46-47页 |
| ·数据和方法 | 第47-50页 |
| ·微阵列基因表达数据 | 第47页 |
| ·基因选择 | 第47-49页 |
| ·BP 分类器 | 第49-50页 |
| ·结果 | 第50-51页 |
| ·讨论 | 第51页 |
| 第六章 结束语 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56页 |
