| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 蛋白质结构 | 第10-13页 |
| 1.2.1 一级结构 | 第10-12页 |
| 1.2.2 二级结构 | 第12-13页 |
| 1.2.3 三级结构 | 第13页 |
| 1.3 蛋白质结构预测 | 第13-16页 |
| 1.3.1 蛋白质结构和功能之间的联系 | 第13-14页 |
| 1.3.2 蛋白质结构预测方法 | 第14-16页 |
| 第2章 自联想神经网络优化算法分析 | 第16-26页 |
| 2.1 人工神经网络简介 | 第16-17页 |
| 2.1.1 人工神经网络的特点 | 第16页 |
| 2.1.2 人工神经网络的功能和应用 | 第16-17页 |
| 2.2 人工神经网络算法 | 第17-20页 |
| 2.2.1 人工神经元的数学模型 | 第17-19页 |
| 2.2.2 人工神经网络的算法模型 | 第19-20页 |
| 2.2.3 人工神经网络的学习 | 第20页 |
| 2.3 自联想神经网络 | 第20-24页 |
| 2.3.1 网络结构 | 第21页 |
| 2.3.2 网络映射 | 第21-22页 |
| 2.3.3 网络训练 | 第22-24页 |
| 2.4 Inverse NLPCA模型 | 第24-26页 |
| 第3章 共轭梯度算法 | 第26-30页 |
| 3.1 常见优化算法 | 第26-27页 |
| 3.2 共轭梯度算法的几何意义 | 第27-28页 |
| 3.3 凸函数共轭梯度算法 | 第28-29页 |
| 3.4 共轭梯度算法优化 Inverse NLPCA 模型 | 第29-30页 |
| 第4章 蛋白质结构预测中的缺失值填充 | 第30-49页 |
| 4.1 蛋白质序列比对方法 | 第30-35页 |
| 4.1.1 序列比对简介 | 第30-31页 |
| 4.1.2 基本操作 | 第31-32页 |
| 4.1.3 相关定义 | 第32页 |
| 4.1.4 计分矩阵 | 第32-34页 |
| 4.1.5 空位罚分 | 第34-35页 |
| 4.2 蛋白质数据集的选取 | 第35页 |
| 4.3 蛋白质结构数据缺失值问题研究 | 第35-36页 |
| 4.4 基于Inverse NLPCA和共轭梯度算法的数值模拟结果 | 第36-42页 |
| 4.5 数据结果与讨论 | 第42-49页 |
| 第5章 结论与展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第54-55页 |
| 致谢 | 第55-56页 |
| 作者简介 | 第56页 |