生物信息学和生物信号识别领域的机器学习算法研究
| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景 | 第7-9页 |
| ·本文工作 | 第9-11页 |
| 第二章 生物信息学和生物信号识别 | 第11-32页 |
| ·引言 | 第11-12页 |
| ·生物信息学中的操纵子预测 | 第12-24页 |
| ·生物信号识别中的味觉信号识别 | 第24-32页 |
| 第三章 机器学习相关算法 | 第32-58页 |
| ·引言 | 第32-34页 |
| ·人工神经网络 | 第34-40页 |
| ·进化计算 | 第40-49页 |
| ·统计学习 | 第49-57页 |
| ·机器学习研究的发展趋势 | 第57-58页 |
| 第四章 最小不确定性神经网络 | 第58-66页 |
| ·最小不确定性神经网络模型 | 第58-60页 |
| ·最小不确定性神经网权值和阈值确定 | 第60-63页 |
| ·实验分析和结论 | 第63-65页 |
| ·小结 | 第65-66页 |
| 第五章 边界法加速支持向量机 | 第66-74页 |
| ·钥匙向量集 | 第67-68页 |
| ·利用钥匙向量集训练 SVM | 第68-70页 |
| ·实验分析和结论 | 第70-73页 |
| ·小结 | 第73-74页 |
| 第六章 量子群进化算法 | 第74-89页 |
| ·量子进化 | 第74-76页 |
| ·量子角表示 | 第76-77页 |
| ·量子群算法 | 第77-79页 |
| ·实验结论及分析 | 第79-88页 |
| ·小结 | 第88-89页 |
| 第七章 展望 | 第89-90页 |
| ·本文总结 | 第89页 |
| ·进一步设想 | 第89-90页 |
| 参考文献（REFERENCES） | 第90-98页 |
| 作者博士期间发表的论文和参与的项目 | 第98-102页 |
| 致谢 | 第102-103页 |
| 学位论文摘要（中文） | 第103-105页 |
| 学位论文摘要（英文 ABSTRACT） | 第105-106页 |
