| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 序列编码的研究 | 第11-13页 |
| 1.2.2 分类预测模型的研究 | 第13-14页 |
| 1.2.3 序列特征编码结合分类器预测效果 | 第14-16页 |
| 1.3 论文的主要工作 | 第16页 |
| 1.4 论文的结构安排 | 第16-18页 |
| 第二章 数据集的构建 | 第18-28页 |
| 2.1 蛋白质亚细胞基础知识 | 第18-20页 |
| 2.1.1 亚细胞结构功能介绍 | 第18-19页 |
| 2.1.2 蛋白质组成 | 第19-20页 |
| 2.2 数据集选取 | 第20-21页 |
| 2.2.1 数据集的选取 | 第21页 |
| 2.3 数据集的构建 | 第21-28页 |
| 2.3.1 数据集的构建 | 第21-22页 |
| 2.3.2 基于UniProtKB的网络爬虫 | 第22-23页 |
| 2.3.3 利用cd-hit实现相似度的剔除 | 第23-24页 |
| 2.3.4 相似度的校验 | 第24-28页 |
| 第三章 蛋白质特征提取算法 | 第28-34页 |
| 3.1 氨基酸组成特征(AAC) | 第28-29页 |
| 3.2 二肽组成特征(Dipe) | 第29-30页 |
| 3.2.1 基本二肽组成特征 | 第29页 |
| 3.2.2 基于物化属性的二肽降维特征 | 第29-30页 |
| 3.3 伪氨基酸组成特征(PseAAC) | 第30-32页 |
| 3.4 位置权重氨基酸组分特征(PW_AAC) | 第32页 |
| 3.5 基于氨基酸折射率的特征提取(RefIndex) | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 相似性比对改进KNN预测算法研究 | 第34-56页 |
| 4.1 KNN算法 | 第34-39页 |
| 4.1.1 KNN算法原理 | 第34-35页 |
| 4.1.2 KNN参数选择 | 第35-36页 |
| 4.1.3 检验方法与评价指标 | 第36-38页 |
| 4.1.4 结果与讨论 | 第38-39页 |
| 4.2 相似性比对KNN算法(BKNN) | 第39-46页 |
| 4.2.1 BKNN算法原理 | 第39-42页 |
| 4.2.2 BKNN参数选择(k) | 第42页 |
| 4.2.3 结果与讨论 | 第42-46页 |
| 4.3 基于Hadoop框架的BKNN优化 | 第46-54页 |
| 4.3.1 HDFS文件系统 | 第47-49页 |
| 4.3.2 MapReduce计算框架 | 第49-50页 |
| 4.3.3 Hadoop集群部署 | 第50-52页 |
| 4.3.4 加速比分析 | 第52-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第五章 集成分类器亚细胞区间预测算法研究 | 第56-66页 |
| 5.1 AdaBoost集成BKNN分类预测算法 | 第56-60页 |
| 5.1.1 AdaBoost分类算法原理 | 第56-58页 |
| 5.1.2 结果与讨论 | 第58-60页 |
| 5.2 Bagging集成BKNN分类预测算法 | 第60-64页 |
| 5.2.1 Bagging分类算法原理 | 第60-61页 |
| 5.2.2 结果与讨论 | 第61-64页 |
| 5.3 本章小结 | 第64-66页 |
| 第六章 结论以及展望 | 第66-68页 |
| 参考文献 | 第68-76页 |
| 致谢 | 第76-78页 |
| 攻读学位期间发表的学术论文 | 第78页 |