摘要 | 第1-5页 |
Abstract | 第5-10页 |
第一章 绪论 | 第10-26页 |
·课题背景和研究意义 | 第10-11页 |
·计算智能与模糊聚类 | 第11-14页 |
·模糊聚类的研究现状 | 第14-17页 |
·生物信息学的产生与发展 | 第17-24页 |
·计算智能在生物序列分析中的应用 | 第18-20页 |
·分泌性蛋白预测的研究现状 | 第20-22页 |
·蛋白序列数据库与网络资源 | 第22-24页 |
·论文的主要工作与创新点 | 第24页 |
·论文的组织结构 | 第24-26页 |
第二章 模糊核聚类算法 | 第26-42页 |
·协同模糊核聚类算法 | 第26-35页 |
·模糊核聚类算法(KFCM) | 第26-28页 |
·协同的模糊核聚类算法(CKFCM) | 第28-31页 |
·实验与结果分析 | 第31-35页 |
·加权模糊核聚类算法 | 第35-41页 |
·特征空间属性加权模糊核聚类算法(WFKCA) | 第35-36页 |
·迭代自组织的数据分析算法(ISODATA) | 第36-37页 |
·改进的加权模糊核聚类算法 | 第37-39页 |
·实验与结果分析 | 第39-41页 |
·本章小结 | 第41-42页 |
第三章 蛋白质可分泌性的结构融合度特征 | 第42-56页 |
·引言 | 第42页 |
·材料:构建蛋白质样本数据 | 第42-45页 |
·方法:特征提取 | 第45-49页 |
·氨基酸组份特征 | 第45-46页 |
·信号肽扩展序列信息集 | 第46-48页 |
·结构融合度特征(SFD) | 第48-49页 |
·实验与结果分析 | 第49-54页 |
·本章小结 | 第54-56页 |
第四章 基于模糊散布矩阵的聚类算法及其生物应用 | 第56-74页 |
·模糊Fisher 聚类算法 | 第56-63页 |
·基于FFC 准则的聚类算法 | 第56-59页 |
·改进的模糊Fisher 聚类算法 | 第59-60页 |
·实验与结果分析 | 第60-63页 |
·信号肽的识别模型 | 第63-69页 |
·数据集和特征提取 | 第64-66页 |
·模糊Fisher 分类器模型 | 第66-68页 |
·实验与结果分析 | 第68-69页 |
·复杂生物数据集的聚类数目确定 | 第69-73页 |
·“类内紧凑类间离散”的聚类算法 | 第70页 |
·自动确定最佳聚类数 | 第70-71页 |
·实验与结果分析 | 第71-73页 |
·本章小结 | 第73-74页 |
第五章 改进的半监督模糊聚类算法 | 第74-90页 |
·引言 | 第74页 |
·利用点对约束的半监督模糊聚类算法(AFCC) | 第74-76页 |
·改进的半监督模糊聚类算法(ISFCA) | 第76-81页 |
·ISFCA 算法的研究动机 | 第76-77页 |
·ISFCA 算法描述 | 第77-79页 |
·ISFCA 算法参数设置 | 第79-81页 |
·实验与结果分析 | 第81-89页 |
·隶属度调整幅度分析 | 第81-83页 |
·重要参数分析 | 第83-84页 |
·聚类性能分析 | 第84-86页 |
·聚类算法在图像分割中的应用 | 第86-89页 |
·本章小结 | 第89-90页 |
第六章 总结与展望 | 第90-92页 |
·全文内容与创新点总结 | 第90-91页 |
·未来工作展望 | 第91-92页 |
致谢 | 第92-94页 |
参考文献 | 第94-104页 |
附录 | 第104-114页 |
附录1:作者在攻读博士学位期间发表的论文 | 第104-105页 |
附录2:作者在攻读博士学位期间参加的科研项目 | 第105-106页 |
附录3:CKFCM 算法的隶属度和聚类中心公式推导 | 第106-108页 |
A 隶属度迭代公式推导 | 第106-107页 |
B 聚类中心迭代公式推导 | 第107-108页 |
附录4:ISFCA 算法的隶属度和聚类中心公式推导 | 第108-111页 |
A 隶属度迭代公式推导 | 第108-109页 |
B 聚类中心迭代公式推导 | 第109-111页 |
附录5:Menne 数据集中包含未知氨基酸的蛋白序列信息 | 第111-112页 |
附录6:氨基酸的疏水值参数 | 第112-113页 |
附录7:Blosum62 氨基酸替代矩阵 | 第113-114页 |
附录8:氨基酸疏水替代矩阵 | 第114页 |