SVM与ESOM在生物序列对比与预测中的应用研究
摘要 | 第1-4页 |
ABSTRACT | 第4-8页 |
第一章 绪论 | 第8-17页 |
·研究背景及意义 | 第8-9页 |
·生物序列对比研究的发展现状 | 第9-13页 |
·国外研究现状 | 第11-12页 |
·国内研究现状 | 第12-13页 |
·序列对比方法的内容及难点 | 第13-15页 |
·主要工作及结构安排 | 第15-17页 |
第二章 生物序列对比与序列特征提取 | 第17-31页 |
·引言 | 第17页 |
·生物序列对比的基本问题 | 第17-26页 |
·序列对比的目的 | 第17-18页 |
·序列对比问题的描述 | 第18-20页 |
·序列对比的分类 | 第20-21页 |
·空位罚分 | 第21-22页 |
·替换矩阵 | 第22-25页 |
·序列对比分值的计算方法 | 第25-26页 |
·关于核酸序列的特征提取 | 第26-30页 |
·应用基因同义密码子 | 第26-29页 |
·双联碱基频率的使用问题 | 第29-30页 |
·针对蛋白序列的特征提取 | 第30页 |
·本章小结 | 第30-31页 |
第三章 支持向量机理论 | 第31-46页 |
·引言 | 第31页 |
·机器学习与统计学习的基本理论 | 第31-37页 |
·机器学习的原理 | 第31-32页 |
·统计学习理论的简述 | 第32-37页 |
·支持向量机方法 | 第37-44页 |
·基本概念 | 第37-41页 |
·核函数方法 | 第41-43页 |
·关于支持向量机训练的几种算法 | 第43-44页 |
·本章小结 | 第44-46页 |
第四章 涌现自组织映射神经网络 | 第46-60页 |
·引言 | 第46页 |
·生物神经元间的竞争特点 | 第46-47页 |
·竞争学习 | 第47-48页 |
·自组织特征映射 | 第48-53页 |
·SOM网络的拓扑结构 | 第48-49页 |
·SOM网络的权值调整 | 第49-50页 |
·SOM网络的运行原理 | 第50页 |
·SOM学习算法 | 第50-52页 |
·SOM网络的功能特点与局限性 | 第52-53页 |
·涌现自组织特征映射 | 第53-59页 |
·涌现的概念 | 第53-54页 |
·计算机系统中的涌现 | 第54页 |
·SOM网络的涌现特性 | 第54-55页 |
·涌现自组织特征映射 | 第55-57页 |
·ESOM映射结构 | 第57-58页 |
·ESOM可视化 | 第58-59页 |
·本章小结 | 第59-60页 |
第五章 SVM与ESOM在生物序列对比中的应用 | 第60-76页 |
·引言 | 第60页 |
·系统原理和结构 | 第60-61页 |
·样本序列的预处理 | 第61-65页 |
·样本序列的数值化 | 第62-63页 |
·数据的归一化 | 第63-64页 |
·序列的特征提取 | 第64-65页 |
·构建网络模式 | 第65-70页 |
·确定训练模式 | 第65-66页 |
·构建合理的输出层 | 第66-67页 |
·权值的初始化 | 第67-68页 |
·获胜邻域和学习率的选择 | 第68-70页 |
·神经网络的训练方法 | 第70页 |
·结果的可视化 | 第70-75页 |
·对最终结果的分析 | 第75页 |
·本章小结 | 第75-76页 |
第六章 总结与展望 | 第76-78页 |
致谢 | 第78-79页 |
参考文献 | 第79-82页 |
攻读硕士学位期间发表的论文 | 第82-83页 |
详细摘要 | 第83-93页 |