| 目录 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-8页 |
| 第1章 绪 论 | 第8-15页 |
| ·课题研究的背景与意义 | 第8-10页 |
| ·生物信息学简介 | 第8-9页 |
| ·本课题的来源与研究的意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·隐马尔可夫模型在大肠杆菌启动子识别中的应用 | 第11页 |
| ·遗传算法在大肠杆菌启动子识别中的应用 | 第11-12页 |
| ·人工神经网络在大肠杆菌启动子识别中的应用 | 第12-13页 |
| ·本文的主要工作 | 第13-15页 |
| 第2章 数据库的建立和大肠杆菌启动子序列特征介绍 | 第15-26页 |
| ·生物信息学中的数据库 | 第15-17页 |
| ·数据库的建立 | 第17-21页 |
| ·大肠杆菌启动子数据库的建立 | 第17-18页 |
| ·EMBL数据库与非启动子数据库的建立 | 第18-21页 |
| ·大肠杆菌启动子的序列特征 | 第21-24页 |
| ·本章小结 | 第24-26页 |
| 第3章 序列组件在大肠杆菌启动子识别中的作用 | 第26-38页 |
| ·BP神经网络概述 | 第26-29页 |
| ·BP神经网络的结构 | 第26-27页 |
| ·BP神经网络的数学描述 | 第27-29页 |
| ·基于序列组件和BP网络的启动子识别模型 | 第29-32页 |
| ·变输入长度的神经网络模型 | 第29-31页 |
| ·用滑动空位方法建立神经网络模型 | 第31-32页 |
| ·序列组件对大肠杆菌启动子识别作用的研究 | 第32-37页 |
| ·数据集的选取及编码方式 | 第32-33页 |
| ·实验结果评估方法 | 第33-35页 |
| ·用变输入长度的神经网络模型分析序列组件的作用 | 第35-36页 |
| ·用滑动空位方法建立的神经网络模型分析序列组件的作用 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于数据优化法的大肠杆菌启动子识别方法 | 第38-47页 |
| ·数据优化的方法 | 第38-41页 |
| ·贝叶斯法则和权值矩阵模型 | 第38-40页 |
| ·优化训练集数据 | 第40-41页 |
| ·基于数据优化法的大肠杆菌启动子识别模型 | 第41-42页 |
| ·实验与结果分析 | 第42-45页 |
| ·数据集的选取与结果评估方法 | 第42-43页 |
| ·实验过程与结果讨论 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第5章 支持向量机方法在大肠杆菌启动子识别中的应用研究 | 第47-61页 |
| ·支持向量机的统计学习理论基础 | 第47-53页 |
| ·经验风险最小化和结构风险最小化 | 第47-49页 |
| ·支持向量机最优分类面 | 第49-53页 |
| ·基于支持向量机的大肠杆菌启动子识别模型 | 第53-55页 |
| ·支持向量机识别系统的结构 | 第53-55页 |
| ·支持向量机分类器的工作过程 | 第55页 |
| ·实验与结果分析 | 第55-59页 |
| ·数据集的选取及编码方式 | 第55-56页 |
| ·实验结果评估方法 | 第56-57页 |
| ·实验结果与讨论 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |