支持向量机方法在T细胞表位预测中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-14页 |
| ·论文的主要工作 | 第14-16页 |
| 2 统计学习理论与支持向量机 | 第16-53页 |
| ·统计学习理论 | 第16-22页 |
| ·机器学习的基本问题 | 第16-18页 |
| ·统计学习理论的核心内容 | 第18-22页 |
| ·应用于模式识别的支持向量机 | 第22-40页 |
| ·基本原理介绍 | 第22-32页 |
| ·支持向量分类器的求解方法 | 第32-39页 |
| ·基于SMO求解支持向量分类器的流程图 | 第39-40页 |
| ·应用于回归估计的支持向量机 | 第40-53页 |
| ·基本原理介绍 | 第40-48页 |
| ·支持向量回归机的求解方法 | 第48-52页 |
| ·基于SMO求解支持向量回归机的流程图 | 第52-53页 |
| 3 蛋白酶体酶切位点的预测模型研究 | 第53-68页 |
| ·研究背景 | 第53-57页 |
| ·样本数据集的获取 | 第57-58页 |
| ·基于支持向量机建立蛋白酶体酶切位点的预测模型 | 第58-59页 |
| ·结果与讨论 | 第59-67页 |
| ·预测模型的评价指标 | 第59-60页 |
| ·预测模型参数的确定 | 第60-61页 |
| ·线性支持向量机的权值分析 | 第61页 |
| ·不同预测模型在相同检验集下的性能比较 | 第61-62页 |
| ·蛋白酶体对抗原蛋白酶切特异性分析 | 第62-67页 |
| ·小结 | 第67-68页 |
| 4 MHC Ⅰ类分子结合配体预测模型的研究 | 第68-85页 |
| ·研究背景 | 第68-71页 |
| ·样本数据集的获取 | 第71页 |
| ·氨基酸编码 | 第71-74页 |
| ·基于SVR建立MHC Ⅰ类分子结合配体预测模型 | 第74-76页 |
| ·结果与讨论 | 第76-84页 |
| ·预测模型的评价指标 | 第76页 |
| ·预测模型参数的确定 | 第76-78页 |
| ·线性支持向量回归机的权值分析 | 第78-80页 |
| ·MHC Ⅰ类分子与抗原肽结合特异性分析 | 第80-84页 |
| ·小结 | 第84-85页 |
| 5 MHC Ⅱ类分子结合配体预测模型的研究 | 第85-109页 |
| ·研究背景 | 第85-90页 |
| ·样本数据集的获取 | 第90-91页 |
| ·氨基酸编码 | 第91-96页 |
| ·MHC Ⅱ类分子结合配体预测模型的建立 | 第96-99页 |
| ·13-mer结合子序列样本数据集 | 第96-98页 |
| ·迭代自洽支持向量回归机方法 | 第98-99页 |
| ·结果与讨论 | 第99-108页 |
| ·预测模型的评价指标 | 第99-100页 |
| ·MHC Ⅱ类分子结合配体预测模型的性能 | 第100-103页 |
| ·线性支持向量回归机的权值分析 | 第103-105页 |
| ·MHC Ⅱ类分子与抗原肽结合特异性分析 | 第105-108页 |
| ·小结 | 第108-109页 |
| 结论 | 第109-110页 |
| 创新摘要 | 第110-111页 |
| 参考文献 | 第111-119页 |
| 附录A | 第119-122页 |
| 攻读博士学位期间发表学术论文情况 | 第122-123页 |
| 致谢 | 第123-124页 |
| 作者简介 | 第124-125页 |
