| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-11页 |
| ·隐马氏模型的研究现状及发展趋势 | 第9-10页 |
| ·本文的工作 | 第10-11页 |
| 第二章 传统隐马尔可夫模型基本概述 | 第11-25页 |
| ·隐马尔可夫模型 | 第11-12页 |
| ·隐马氏模型的描述 | 第12-14页 |
| ·HMM模型的技术关键 | 第14-22页 |
| ·前向—后向算法 | 第14-16页 |
| ·Viterbi算法 | 第16-20页 |
| ·Baum-Welch算法 | 第20-22页 |
| ·HMM的结构和类型 | 第22-25页 |
| 第三章 人工神经网络 | 第25-35页 |
| ·人工神经网络的基本要素 | 第25-27页 |
| ·BP神经网络 | 第27-30页 |
| ·自组织特征神经网络SOFM | 第30-34页 |
| ·Kohonen网络的结构 | 第30-31页 |
| ·Kohonen网络的基本原理 | 第31-33页 |
| ·Kohonen网络的训练 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 隐马尔可夫在生物信息学中应用 | 第35-39页 |
| ·引言 | 第35页 |
| ·DNA序列的比对 | 第35-37页 |
| ·DNA序列多重比对的隐马尔可夫模型 | 第35-36页 |
| ·DNA序列观察概率的计算:前向一后向算法 | 第36-37页 |
| ·DNA序列多重比对的隐马尔可夫模型的训练: Baum-Welch算法 | 第37-39页 |
| 第五章 HMM/ANN结合的基因识别 | 第39-47页 |
| ·概述 | 第39页 |
| ·HMM/ANN混合模型用于基因识别 | 第39-45页 |
| ·利用CDHMM产生最佳状态序列 | 第39-40页 |
| ·Viterbi识别解码算法 | 第40-41页 |
| ·混合模型 | 第41-45页 |
| ·小结 | 第45-47页 |
| 结论和展望 | 第47-49页 |
| ·本文总结 | 第47页 |
| ·本文展望 | 第47-49页 |
| 致谢 | 第49-51页 |
| 参考文献 | 第51-52页 |