基于层次分类及其集成策略的蛋白质三级结构预测
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·蛋白质相关知识 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·同源建模方法 | 第12-13页 |
| ·折叠识别方法 | 第13页 |
| ·从头预测方法 | 第13页 |
| ·机器学习 | 第13-14页 |
| ·本文研究提纲 | 第14-16页 |
| ·主要研究内容 | 第14页 |
| ·论文结构 | 第14-16页 |
| 第二章 蛋白质三级结构预测 | 第16-32页 |
| ·应用于蛋白质三级结构预测中的机器学习算法 | 第16-22页 |
| ·支持向量机 | 第16页 |
| ·人工神经网络 | 第16-20页 |
| ·隐马尔科夫模型 | 第20-21页 |
| ·K 近邻算法 | 第21-22页 |
| ·常用的特征提取方法 | 第22-26页 |
| ·氨基酸组成模型 | 第22-23页 |
| ·二肽组成模型 | 第23页 |
| ·理化性质组成模型 | 第23-24页 |
| ·伪氨基酸组成模型 | 第24-26页 |
| ·多分类问题的解决方案 | 第26-29页 |
| ·一对多分类方法 | 第26-27页 |
| ·纠错输出编码 | 第27-29页 |
| ·分类器分类精度的评价 | 第29页 |
| ·分类器的交叉验证 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 基于层次分类及其集成策略的三级结构预测 | 第32-46页 |
| ·改进的伪氨基酸组成模型和分段距离频率 | 第32-34页 |
| ·改进的伪氨基酸组成模型 | 第32-33页 |
| ·分段距离频率 | 第33-34页 |
| ·层次分类模型的构建 | 第34-35页 |
| ·柔性神经树 | 第35-39页 |
| ·集成学习 | 第39-43页 |
| ·集成学习基础理论 | 第39-41页 |
| ·集成分类器规则 | 第41-43页 |
| ·蛋白质三级结构预测的步骤 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第四章 实验及结果分析 | 第46-54页 |
| ·进行蛋白质三级结构预测的常用数据集 | 第46-47页 |
| ·基于层次分类模型的蛋白质三级结构预测 | 第47-48页 |
| ·基于集成层次分类模型的蛋白质三级结构预测 | 第48-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| ·全文总结 | 第54-55页 |
| ·前景展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-64页 |
| 附录 | 第64页 |
