| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-13页 |
| 第一章 引言 | 第13-30页 |
| ·研究背景及意义 | 第13-18页 |
| ·国内外的研究现状 | 第18-27页 |
| ·膜蛋白结构类预测研究 | 第20-25页 |
| ·膜蛋白相互作用预测研究 | 第25-27页 |
| ·论文的研究内容和创新点 | 第27-28页 |
| ·论文的章节安排 | 第28-30页 |
| 第二章 膜蛋白结构与相互作用预测算法研究的综述 | 第30-55页 |
| ·引言 | 第30页 |
| ·智能计算在膜蛋白中应用进展 | 第30-37页 |
| ·优化计算方法 | 第31-34页 |
| ·数据挖掘方法 | 第34-37页 |
| ·膜蛋白结构预测研究 | 第37-51页 |
| ·膜蛋白序列表示方法 | 第37-42页 |
| ·分类算法 | 第42-47页 |
| ·测试数据集 | 第47-49页 |
| ·模型检验 | 第49-51页 |
| ·膜蛋白相互作用预测研究 | 第51-54页 |
| ·膜蛋白相互作用表示方法 | 第51-53页 |
| ·预测算法 | 第53-54页 |
| ·小结 | 第54-55页 |
| 第三章 基于伪氨基酸组成的膜蛋白二级结构预测研究 | 第55-69页 |
| ·引言 | 第55-56页 |
| ·背景及相关工作 | 第56-57页 |
| ·材料和方法 | 第57-65页 |
| ·序列特征表示 | 第57-61页 |
| ·近似熵方法 | 第61-62页 |
| ·模糊k近邻算法 | 第62-63页 |
| ·集成分类器 | 第63-65页 |
| ·数据集和评价方法 | 第65页 |
| ·结果与讨论 | 第65-68页 |
| ·小结 | 第68-69页 |
| 第四章 基于模糊支持向量机网络的膜蛋白二级结构预测研究 | 第69-82页 |
| ·引言 | 第69页 |
| ·背景及相关工作 | 第69-70页 |
| ·材料和方法 | 第70-79页 |
| ·测试数据集 | 第70-71页 |
| ·支持向量机原理 | 第71-77页 |
| ·模糊支持向量机方法 | 第77-78页 |
| ·模糊支持向量机网络 | 第78-79页 |
| ·结果与讨论 | 第79-81页 |
| ·小结 | 第81-82页 |
| 第五章 基于模糊支持向量机的膜蛋白相互作用识别 | 第82-92页 |
| ·引言 | 第82-83页 |
| ·背景及相关工作 | 第83-85页 |
| ·材料和方法 | 第85-90页 |
| ·数据集 | 第85-86页 |
| ·膜蛋白相互作用特征 | 第86-88页 |
| ·膜蛋白相互作用模型 | 第88-89页 |
| ·算法性能评价 | 第89-90页 |
| ·结果与分析 | 第90-91页 |
| ·小结 | 第91-92页 |
| 第六章 基于集成分类算法的膜蛋白相互作用预测研究 | 第92-105页 |
| ·引言 | 第92页 |
| ·背景及相关工作 | 第92-94页 |
| ·材料和方法 | 第94-102页 |
| ·数据集 | 第94页 |
| ·膜蛋白相互作用特征提取 | 第94-95页 |
| ·AdaBoost算法 | 第95-99页 |
| ·集成分类预测系统 | 第99-102页 |
| ·结果与讨论 | 第102-104页 |
| ·小结 | 第104-105页 |
| 第七章 总结与展望 | 第105-108页 |
| ·总结 | 第105-106页 |
| ·展望 | 第106-108页 |
| 参考文献 | 第108-124页 |
| 致谢 | 第124-126页 |
| 附录 | 第126-128页 |
| 附录A 攻读博士学位期间完成的论文 | 第126-128页 |
| 附录B 攻读博士学位期间所参与的项目 | 第128页 |