| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第11-19页 |
| ·引言 | 第11-13页 |
| ·模式识别和机器学习 | 第11-12页 |
| ·数据挖掘和生物信息学 | 第12-13页 |
| ·本文研究背景及意义 | 第13-14页 |
| ·国内外研究现状与进展 | 第14-16页 |
| ·论文的主要内容和结构安排 | 第16-19页 |
| ·主要研究内容 | 第16页 |
| ·论文结构安排 | 第16-19页 |
| 第二章 亚细胞定位相关知识介绍 | 第19-41页 |
| ·亚细胞定位介绍 | 第19-20页 |
| ·特征提取方法 | 第20-29页 |
| ·N端分选信号 | 第21页 |
| ·氨基酸组成 | 第21-22页 |
| ·二肽组成模型 | 第22页 |
| ·伪氨基酸组成 | 第22-25页 |
| ·氨基酸指数分布 | 第25-26页 |
| ·理化组成模型 | 第26-27页 |
| ·氨基酸立体化学性质(SP) | 第27-28页 |
| ·功能域 | 第28-29页 |
| ·基因本体 | 第29页 |
| ·蛋白质亚细胞定位预测算法 | 第29-38页 |
| ·人工神经网络(ANN) | 第29-31页 |
| ·柔性神经树(FNT) | 第31-36页 |
| ·支持向量机(SVM) | 第36-38页 |
| ·单标记学习算法的性能评估指标 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第三章 基于多特征融合的蛋白质亚细胞多位点定位预测 | 第41-55页 |
| ·数据集 | 第42-45页 |
| ·Gpos-multi数据集 | 第42-43页 |
| ·Virus-multi数据集 | 第43-45页 |
| ·多特征融合方案 | 第45-46页 |
| ·Gpos-multi数据集上的特征融合方案 | 第45页 |
| ·Virus-multi数据集上的特征融合方案 | 第45-46页 |
| ·多标记学习 | 第46-48页 |
| ·评价指标 | 第47-48页 |
| ·分类器的设计 | 第48-53页 |
| ·多标签K近邻算法 | 第49-52页 |
| ·多标记前馈神经网络 | 第52-53页 |
| ·多标记径向基神经网络 | 第53页 |
| ·本章小结 | 第53-55页 |
| 第四章 实验结果及分析 | 第55-63页 |
| ·Gpos-multi数据集上的结果分析 | 第56-58页 |
| ·Virus-multi数据集上的结果分析 | 第58-61页 |
| ·本章小结 | 第61-63页 |
| 第五章 结束语 | 第63-65页 |
| ·全文总结 | 第63页 |
| ·研究展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 附录 | 第71页 |