| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-21页 |
| ·引言 | 第10-11页 |
| ·研究背景 | 第11-16页 |
| ·生物信息学的产生、研究任务及意义 | 第11-13页 |
| ·蛋白质 | 第13-14页 |
| ·蛋白质序列分析的国内外研究进展 | 第14-16页 |
| ·序列数据的挖掘 | 第16-18页 |
| ·论文的研究内容与创新点 | 第18-19页 |
| ·论文的结构 | 第19-21页 |
| 第二章 序列数据的特征分析及统计学习理论 | 第21-40页 |
| ·序列数据处理 | 第21-22页 |
| ·基于特征提取的方法 | 第22-25页 |
| ·基于统计模型的技术 | 第22-23页 |
| ·数据变换形式下的特征提取 | 第23-24页 |
| ·基于关键词的技术 | 第24-25页 |
| ·基于相似性模型的方法 | 第25-34页 |
| ·几何相似性 | 第26-32页 |
| ·特征相似性 | 第32页 |
| ·匹配相似性 | 第32-33页 |
| ·变换相似性 | 第33-34页 |
| ·统计学习理论 | 第34-39页 |
| ·经验风险最小化原则 | 第35-36页 |
| ·函数集的VC维和推广性的界 | 第36-37页 |
| ·结构风险最小化 | 第37页 |
| ·支持向量机 | 第37-39页 |
| ·小结 | 第39-40页 |
| 第三章 基于特征提取的序列分类预测算法研究 | 第40-69页 |
| ·引言 | 第40页 |
| ·基于频域特性分析的膜蛋白预测 | 第40-53页 |
| ·膜蛋白预测问题 | 第40-42页 |
| ·膜蛋白序列数据选取 | 第42-43页 |
| ·膜蛋白序列特征提取 | 第43-50页 |
| ·预测实验及讨论 | 第50-53页 |
| ·基于互信息和决策规则的信号肽预测 | 第53-68页 |
| ·信号肽预测问题 | 第53-55页 |
| ·信号肽预测研究现状 | 第55-57页 |
| ·信号肽数据选择 | 第57页 |
| ·信号肽预测算法 | 第57-65页 |
| ·实验结果及讨论 | 第65-68页 |
| ·小结 | 第68-69页 |
| 第四章 基于相似性模型的分类预测及其在信号肽预测中的应用 | 第69-87页 |
| ·信号肽序列相似度的要求 | 第69-70页 |
| ·基于序列比对的相似度 | 第70-79页 |
| ·序列比对算法 | 第70-72页 |
| ·蛋白质序列比对 | 第72-75页 |
| ·基于全序列比对的相似度及其几何特性分析 | 第75-79页 |
| ·基于全序列比对相似度预测信号肽 | 第79-86页 |
| ·算法说明 | 第79-81页 |
| ·信号肽预测实验结果 | 第81-83页 |
| ·Internet网络服务 | 第83-85页 |
| ·讨论 | 第85-86页 |
| ·小结 | 第86-87页 |
| 第五章 基于非正定核函数的信号肽预测算法 | 第87-96页 |
| ·核方法和非正定核 | 第87-89页 |
| ·基于全序列比对的相似度与欧氏度量的比较 | 第89-92页 |
| ·基于全序列比对非正定核预测信号肽的算法 | 第92-95页 |
| ·空间映射 | 第92-93页 |
| ·算法步骤 | 第93-94页 |
| ·实验结果及讨论 | 第94-95页 |
| ·小结 | 第95-96页 |
| 第六章 线性降维及其在信号肽序列分析中的应用 | 第96-106页 |
| ·线性降维 | 第96-99页 |
| ·基于分割空间的线性判别分析算法 | 第99-103页 |
| ·空间分析 | 第99-100页 |
| ·算法分析 | 第100-101页 |
| ·针对信号肽预测的线性降维算法 | 第101-103页 |
| ·实验及讨论 | 第103-105页 |
| ·小结 | 第105-106页 |
| 第七章 总结与展望 | 第106-109页 |
| ·全文总结 | 第106-107页 |
| ·展望 | 第107-109页 |
| 参考文献 | 第109-121页 |
| 致谢 | 第121-122页 |
| 攻读博士学位期间发表、撰写的论文 | 第122-123页 |
| 专利申请 | 第123-126页 |