| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·引言 | 第9-10页 |
| ·RNA 二级结构预测的产生背景 | 第10页 |
| ·研究现状与展望 | 第10-11页 |
| ·本文的内容及创新之处 | 第11-14页 |
| 2 RNA 二级结构相关理论 | 第14-21页 |
| ·RNA 的基础知识 | 第14-19页 |
| ·RNA 的化学组成与基本单位 | 第14-16页 |
| ·RNA 的分类与功能 | 第16-19页 |
| ·RNA 二级结构 | 第19-20页 |
| ·RNA 的数据库资源 | 第20页 |
| ·本章小结 | 第20-21页 |
| 3 已有的RNA 二级结构预测方法 | 第21-36页 |
| ·基于热力学的预测方法 | 第21-28页 |
| ·Zuker 的最小自由能算法 | 第21-24页 |
| ·遗传模拟退火算法 | 第24-25页 |
| ·离散Hopfield 神经网络方法 | 第25-27页 |
| ·免疫粒子群算法 | 第27-28页 |
| ·序列比对分析方法 | 第28-31页 |
| ·协同变异预测模型 | 第29-30页 |
| ·随机上下文无关语法预测模型 | 第30-31页 |
| ·基于机器学习的分类预测方法 | 第31-33页 |
| ·现有的RNA 结构预测软件 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 4 基于人工鱼群算法的RNA 二级结构预测算法 | 第36-56页 |
| ·人工鱼群算法 | 第36-40页 |
| ·人工鱼群算法的基本思想 | 第36-38页 |
| ·人工鱼群算法在组合优化问题中的应用 | 第38-40页 |
| ·RNA 二级结构预测的最小自由能模型 | 第40-42页 |
| ·人工鱼群算法在RNA 二级结构预测中的应用 | 第42-55页 |
| ·针对鱼群算法的改进方案 | 第42-44页 |
| ·各种算子的定义 | 第44-47页 |
| ·鱼群活动行为的具体实现 | 第47-49页 |
| ·实验结果及分析 | 第49-55页 |
| ·本章小结 | 第55-56页 |
| 5 基于局部精英粒子群算法的RNA 二级结构预测算法 | 第56-74页 |
| ·引言 | 第56页 |
| ·粒子群算法 | 第56-61页 |
| ·基本思想 | 第56-58页 |
| ·全局模型与局部模型 | 第58-59页 |
| ·粒子群算法的参数设置 | 第59-60页 |
| ·粒子群算法与遗传算法的比较 | 第60-61页 |
| ·粒子群算法与人工鱼群算法 | 第61页 |
| ·局部精英粒子群优化算法 | 第61-65页 |
| ·局部精英粒子 | 第62页 |
| ·局部精英粒子群优化算法 | 第62-64页 |
| ·基于冯诺依曼拓扑的邻居算法 | 第64-65页 |
| ·基于局部精英粒子群算法的RNA 二级结构预测方法 | 第65-72页 |
| ·编码 | 第65-68页 |
| ·算法流程 | 第68页 |
| ·实验结果与分析 | 第68-72页 |
| ·本章小结 | 第72-74页 |
| 6 RNA 二级结构预测的支持向量机方法 | 第74-93页 |
| ·引言 | 第74页 |
| ·支持向量机的理论 | 第74-78页 |
| ·统计学习理论与结构风险最小化原则 | 第74-77页 |
| ·支持向量机的基本思想 | 第77-78页 |
| ·内积核函数 | 第78页 |
| ·eNSSEL 标签 | 第78-85页 |
| ·嵌套结构与非嵌套结构 | 第78-79页 |
| ·描述嵌套结构的eNSSEL 标签 | 第79-81页 |
| ·描述非嵌套结构的eNSSEL 标签 | 第81-85页 |
| ·基于 SVMs 的 RNA 二级结构预测方法 | 第85-91页 |
| ·对分类支持向量机类型的选择 | 第86页 |
| ·编码方案 | 第86-87页 |
| ·实验数据及结果分析 | 第87-91页 |
| ·本章小结 | 第91-93页 |
| 7 总结与展望 | 第93-96页 |
| ·论文总结 | 第93-94页 |
| ·存在的问题和今后工作的展望 | 第94-96页 |
| 致谢 | 第96-97页 |
| 参考文献 | 第97-103页 |
| 附录 | 第103页 |
| A、作者在攻读博士学位期间发表的论文 | 第103页 |
| B、作者在攻读博士学位期间参与的科研项目 | 第103页 |