基于ISC-SVR方法预测Th细胞表位
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-9页 |
| 1 文献综述 | 第9-14页 |
| ·免疫系统 | 第9页 |
| ·免疫应答 | 第9页 |
| ·T细胞介导的细胞免疫 | 第9-13页 |
| ·研究现况 | 第13-14页 |
| 2 材料与方法 | 第14-19页 |
| ·样本数据集的获取 | 第14页 |
| ·13mer扩展核心结合序列的选取 | 第14-16页 |
| ·氨基酸编码 | 第16-19页 |
| 3 支持向量机 | 第19-34页 |
| ·机器学习与经验风险最小化 | 第19页 |
| ·统计学习理论 | 第19-21页 |
| ·VC维 | 第19-20页 |
| ·推广性的界 | 第20页 |
| ·结构风险最小化 | 第20-21页 |
| ·支持向量分类机 | 第21-27页 |
| ·支持向量回归机 | 第27-31页 |
| ·序列最小最优化算法 | 第31-34页 |
| 4 ISC-SVR方法 | 第34-37页 |
| ·迭代自洽策略 | 第34页 |
| ·预测结合亲和力的四种方法 | 第34-35页 |
| ·ISC-SVR方法实现流程 | 第35-37页 |
| 5 结果与讨论 | 第37-45页 |
| ·预测模型的评价指标 | 第37页 |
| ·预测模型评估结果 | 第37-42页 |
| ·预测模型的特异性分析 | 第42-45页 |
| 结论 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 附录A Karush-Kuhn-Tucker条件 | 第50-51页 |
| 攻读硕士学位期间发表学术论文情况 | 第51-52页 |
| 致谢 | 第52-53页 |
