| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 蛋白质序列特征提取研究 | 第14-15页 |
| 1.2.2 分类预测方法研究 | 第15-16页 |
| 1.2.3 已有研究成果 | 第16-17页 |
| 1.3 论文主要工作 | 第17-18页 |
| 1.4 论文章节安排 | 第18-19页 |
| 第二章 数据集的选取与重构 | 第19-29页 |
| 2.1 蛋白质亚细胞基础知识 | 第19-22页 |
| 2.1.1 蛋白质简介 | 第19-20页 |
| 2.1.2 亚细胞结构及其功能 | 第20-22页 |
| 2.2 蛋白质序列数据集 | 第22-23页 |
| 2.2.1 SWISS-PROT数据库 | 第22页 |
| 2.2.2 数据集的选取 | 第22-23页 |
| 2.3 数据集的重构 | 第23-28页 |
| 2.3.1 算法层面的方法 | 第24-25页 |
| 2.3.2 数据层面的方法 | 第25-26页 |
| 2.3.3 SMOTE算法重构数据集 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 蛋白质序列特征提取及其并行化设计 | 第29-41页 |
| 3.1 氨基酸组成 | 第29-30页 |
| 3.2 伪氨基酸组成模型 | 第30-32页 |
| 3.3 蛋白质序列的词袋特征 | 第32-35页 |
| 3.3.1 序列单词特征提取 | 第33-34页 |
| 3.3.2 构建字典 | 第34-35页 |
| 3.4 基于HADOOP的词袋特征并行化设计 | 第35-40页 |
| 3.4.1 HDFS体系结构 | 第35-36页 |
| 3.4.2 MapReduce分布式计算 | 第36-37页 |
| 3.4.3 Hadoop集群部署 | 第37页 |
| 3.4.4 词袋特征提取的并行实现 | 第37-39页 |
| 3.4.5 并行实验效率 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于SVM的亚细胞定位预测研究 | 第41-61页 |
| 4.1 亚细胞定位预测 | 第41-42页 |
| 4.2 支持向量机理论基础 | 第42-44页 |
| 4.2.1 最优分类超平面 | 第42-43页 |
| 4.2.2 核函数 | 第43-44页 |
| 4.3 基于SVM的亚细胞定位预测 | 第44-47页 |
| 4.3.1 遗传算法优化SVM参数 | 第45-46页 |
| 4.3.2 网格搜索法优化SVM参数 | 第46-47页 |
| 4.4 定位预测任务的并行化 | 第47-51页 |
| 4.4.1 多核并行计算 | 第48-49页 |
| 4.4.2 可并行性分析 | 第49-50页 |
| 4.4.3 并行化实现 | 第50-51页 |
| 4.5 实验结果与分析 | 第51-59页 |
| 4.5.1 检验方法与评价指标 | 第51页 |
| 4.5.2 准确性实验结果与分析 | 第51-58页 |
| 4.5.3 效率实验结果与分析 | 第58-59页 |
| 4.6 本章小结 | 第59-61页 |
| 第五章 基于PSO_BFA优化的词袋模型在亚细胞定位预测中的应用 | 第61-79页 |
| 5.1 PSO_BFA优化词袋模型 | 第61-62页 |
| 5.2 PSO_BFA混合优化算法 | 第62-67页 |
| 5.2.1 粒子群算法 | 第62-64页 |
| 5.2.2 细菌觅食算法 | 第64-66页 |
| 5.2.3 PSO_BFA混合算法 | 第66-67页 |
| 5.3 词袋模型的优化实现 | 第67-68页 |
| 5.4 定位预测实验结果与分析 | 第68-77页 |
| 5.4.1 原始数据集实验结果与分析 | 第68-73页 |
| 5.4.2 平衡化数据集实验结果与分析 | 第73-77页 |
| 5.5 本章小结 | 第77-79页 |
| 第六章 结论及展望 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 致谢 | 第87-89页 |
| 攻读学位期间发表的学术论文 | 第89页 |