| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 引言 | 第10页 |
| 1.2 研究背景与意义 | 第10-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 本文主要工作与创新 | 第14页 |
| 1.5 本文的结构安排 | 第14-16页 |
| 第二章 相关理论概述 | 第16-39页 |
| 2.1 蛋白质基础知识简介 | 第16-22页 |
| 2.1.1 蛋白质简介 | 第17-18页 |
| 2.1.2 氨基酸简介 | 第18-21页 |
| 2.1.3 噬菌体病毒蛋白简介 | 第21-22页 |
| 2.2 相关数据库及实验数据库的构造 | 第22-25页 |
| 2.2.1 蛋白质序列数据库 | 第22-23页 |
| 2.2.2 实验数据库的构建 | 第23-25页 |
| 2.3 蛋白质序列特征提取方法 | 第25-30页 |
| 2.3.1 氨基酸组成 | 第25页 |
| 2.3.2 伪氨基酸组成 | 第25-27页 |
| 2.3.3 g-gap二肽组成 | 第27-28页 |
| 2.3.4 氨基酸组成、转换和分布 | 第28-30页 |
| 2.4 特征选择方法 | 第30-32页 |
| 2.5 机器学习算法 | 第32-35页 |
| 2.5.1 支持向量机 | 第32-33页 |
| 2.5.2 随机森林 | 第33页 |
| 2.5.3 集成学习 | 第33-35页 |
| 2.6 评价指标 | 第35-38页 |
| 2.7 本章小结 | 第38-39页 |
| 第三章 基于特征提取的蛋白质分类问题研究 | 第39-52页 |
| 3.1 基于g-gap三肽的蛋白质分类 | 第39-45页 |
| 3.1.1 基于g-gap三肽的特征提取方法 | 第39-40页 |
| 3.1.2 实验方法与结果 | 第40-42页 |
| 3.1.3 实验结果比较与讨论 | 第42-45页 |
| 3.2 基于特征0/1离散化的蛋白质分类 | 第45-47页 |
| 3.2.1 特征0/1离散化原理 | 第45-46页 |
| 3.2.2 实验结果比较与讨论 | 第46-47页 |
| 3.3 基于多元gap的特征融合的蛋白质分类 | 第47-50页 |
| 3.3.1 基于多元gap的特征融合方法 | 第48页 |
| 3.3.2 实验结果比较与讨论 | 第48-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第四章 基于集成学习的蛋白质序列分类问题的研究 | 第52-73页 |
| 4.1 基于机器学习方法的集成学习方法 | 第52-65页 |
| 4.1.1 集成方法介绍 | 第53-55页 |
| 4.1.2 实验结果比较与讨论 | 第55-65页 |
| 4.1.2.1 基分类器的预测性能及特征选择的影响 | 第55-59页 |
| 4.1.2.2 集成方法结果 | 第59-63页 |
| 4.1.2.3 与特征融合方法的比较 | 第63-64页 |
| 4.1.2.4 与现有方法预测性能的比较 | 第64-65页 |
| 4.2 基于逻辑运算的集成学习方法 | 第65-69页 |
| 4.2.1 集成方法介绍 | 第65-67页 |
| 4.2.2 实验结果比较与讨论 | 第67-69页 |
| 4.2.2.1 基分类器的预测性能 | 第67页 |
| 4.2.2.2 集成方法结果 | 第67-68页 |
| 4.2.2.3 与特征融合方法的比较 | 第68-69页 |
| 4.2.2.4 与现有方法预测性能的比较 | 第69页 |
| 4.3 算法总结与分析 | 第69-72页 |
| 4.4 本章小结 | 第72-73页 |
| 第五章 全文总结与展望 | 第73-76页 |
| 5.1 概述总结 | 第73-74页 |
| 5.2 未来工作展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |