基于基因表达谱数据和氨基酸序列的特征提取方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 引言 | 第10-15页 |
| ·生物信息学的概念 | 第10页 |
| ·生物信息学的主要研究内容 | 第10-13页 |
| ·生物信息学研究的现状和趋势 | 第13-14页 |
| ·生物信息学研究的意义 | 第14-15页 |
| 第2章 基础知识 | 第15-19页 |
| ·支持向量机简介 | 第15-16页 |
| ·支持向量机常用核函数及参数 | 第16-17页 |
| ·支持向量机特点 | 第17页 |
| ·判别效果的评估 | 第17-19页 |
| 第3章 肿瘤表达数据分析中的特征基因提取 | 第19-27页 |
| ·研究背景和意义 | 第19页 |
| ·肿瘤亚型分类问题描述 | 第19-20页 |
| ·特征基因提取过程及方法 | 第20-23页 |
| ·数据归一化处理 | 第21页 |
| ·区间间隔或覆盖比度量法 | 第21-22页 |
| ·去冗算法 | 第22-23页 |
| ·数据集、结果和讨论 | 第23-25页 |
| ·结论 | 第25-27页 |
| 第4章 信号肽及其剪切点预测的特征向量提取 | 第27-39页 |
| ·研究背景和意义 | 第27-28页 |
| ·信号肽及其结构 | 第28-29页 |
| ·数据集 | 第29页 |
| ·信息肽及其剪切点的预测 | 第29-36页 |
| ·提取蛋白质特征序列的方法 | 第30-34页 |
| ·改进的位置权矩阵方法 | 第34-36页 |
| ·结果与讨论 | 第36-38页 |
| ·结论 | 第38-39页 |
| 第5章 酶分类问题的特征向量提取 | 第39-46页 |
| ·研究背景和意义 | 第39-40页 |
| ·数据集 | 第40-41页 |
| ·蛋白质特征向量提取方法 | 第41-43页 |
| ·酶的特征向量提取方法 | 第41页 |
| ·最优证据理论－K 近邻算法 | 第41-43页 |
| ·结果与讨论 | 第43-45页 |
| ·结论 | 第45-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-52页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第52页 |
