| 摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 第一章 绪论 | 第12-18页 |
| ·引言 | 第12页 |
| ·研究背景及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·论文的主要内容和结构安排 | 第15-18页 |
| ·主要研究内容 | 第15页 |
| ·论文结构安排 | 第15-18页 |
| 第二章 蛋白质亚细胞定位预测 | 第18-38页 |
| ·蛋白质亚细胞定位的生物学基础 | 第18-20页 |
| ·蛋白质概述 | 第18-19页 |
| ·亚细胞定位概述 | 第19-20页 |
| ·生命中心法则 | 第20页 |
| ·蛋白质特征提取方法 | 第20-29页 |
| ·基于氨基酸组成和位置的编码 | 第20-22页 |
| ·基于氨基酸物理化学性质特征的编码 | 第22-29页 |
| ·基于数据库信息挖掘的编码 | 第29页 |
| ·应用于亚细胞定位领域的机器学习算法 | 第29-37页 |
| ·隐马尔可夫模型 | 第30页 |
| ·贝叶斯网络 | 第30-31页 |
| ·K 近邻方法(K-Nearest Neighbor ,KNN) | 第31-32页 |
| ·支持向量机(Support vector machine ,SVM) | 第32-34页 |
| ·柔性神经树(Flexible neural tree ,FNT) | 第34页 |
| ·多分类器的组合 | 第34-35页 |
| ·预测性能评估 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第三章 基于离散增量法和神经网络的蛋白质亚细胞定位预测 | 第38-54页 |
| ·数据集 | 第39页 |
| ·以多样性增量为参数的特征提取算法 | 第39-46页 |
| ·离散增量法 | 第40-41页 |
| ·氨基酸频率信息的多样性增量 | 第41-44页 |
| ·氨基酸理化信息的多样性增量 | 第44-46页 |
| ·分类器的设计 | 第46-53页 |
| ·人工神经网络 | 第46-49页 |
| ·粒子群优化算法 | 第49-51页 |
| ·纠错输出编码 | 第51-53页 |
| ·小结 | 第53-54页 |
| 第四章 实验结果及分析 | 第54-62页 |
| ·实验一 | 第54-55页 |
| ·特征提取结果 | 第54页 |
| ·分类器模型 | 第54-55页 |
| ·实验结果 | 第55页 |
| ·实验二 | 第55-56页 |
| ·特征提取结果 | 第55页 |
| ·分类器模型 | 第55页 |
| ·实验结果 | 第55-56页 |
| ·实验三 | 第56-57页 |
| ·特征提取结果 | 第56页 |
| ·分类器模型 | 第56页 |
| ·实验结果 | 第56-57页 |
| ·实验四 | 第57页 |
| ·特征提取结果 | 第57页 |
| ·分类器模型 | 第57页 |
| ·实验结果 | 第57页 |
| ·实验五 | 第57-58页 |
| ·特征提取结果 | 第57-58页 |
| ·分类器模型 | 第58页 |
| ·实验结果 | 第58页 |
| ·实验六 | 第58-59页 |
| ·特征提取结果 | 第58页 |
| ·分类器模型 | 第58-59页 |
| ·实验结果 | 第59页 |
| ·实验七 | 第59-60页 |
| ·特征提取结果 | 第59页 |
| ·分类器模型 | 第59页 |
| ·实验结果 | 第59-60页 |
| ·小结 | 第60-62页 |
| 第五章 结束语 | 第62-64页 |
| ·全文总结 | 第62页 |
| ·进一步研究设想 | 第62-63页 |
| ·心得体会 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 附录 | 第70页 |
