基于柔性神经树及其集成的蛋白质三级结构预测
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-14页 |
| ·相关知识背景 | 第12-13页 |
| ·蛋白质结构的重要性 | 第13页 |
| ·论文内容安排 | 第13-14页 |
| 第二章 蛋白质三级结构预测 | 第14-26页 |
| ·蛋白质相关知识及其三级结构概述 | 第14-17页 |
| ·蛋白质相关知识 | 第14-16页 |
| ·蛋白质三级结构概述 | 第16-17页 |
| ·蛋白质三级结构预测方法 | 第17-19页 |
| ·比较建模法 | 第17-18页 |
| ·从头预测方法 | 第18页 |
| ·折叠模式识别 | 第18-19页 |
| ·应用于生物信息学领域的机器学习方法 | 第19-26页 |
| ·神经网络 | 第20-22页 |
| ·贝叶斯网络 | 第22-23页 |
| ·隐马尔可夫模型 | 第23-24页 |
| ·支持向量机 | 第24-26页 |
| 第三章 柔性神经树及其理论基础 | 第26-36页 |
| ·概述 | 第26页 |
| ·编码规则 | 第26-27页 |
| ·适应值函数 | 第27-28页 |
| ·参数优化 | 第28-34页 |
| ·多表达式编程 | 第28-31页 |
| ·粒子群优化算法 | 第31-33页 |
| ·多表达式编程算法和粒子群优化算法的优点 | 第33-34页 |
| ·柔性神经树算法流程 | 第34-36页 |
| 第四章 集成学习 | 第36-42页 |
| ·集成学习的概念 | 第36-37页 |
| ·基本分类器的构造 | 第37-40页 |
| ·处理训练数据集 | 第37-38页 |
| ·对输入特征进行处理 | 第38-39页 |
| ·通过处理类标号 | 第39-40页 |
| ·通过处理学习算法 | 第40页 |
| ·分类器集成方法 | 第40页 |
| ·集成方法的性能 | 第40-42页 |
| 第五章 预测模型设计与结果分析 | 第42-60页 |
| ·引言 | 第42页 |
| ·数据集 | 第42-43页 |
| ·C204 数据集 | 第43页 |
| ·25PDB 数据集 | 第43页 |
| ·640 数据集 | 第43页 |
| ·1189 数据集 | 第43页 |
| ·编码规则与分类方法 | 第43-50页 |
| ·考虑顺序的编码方法 | 第43-44页 |
| ·不考虑顺序的编码方法 | 第44-49页 |
| ·多分类问题 | 第49-50页 |
| ·柔性神经树预测蛋白质三级结构 | 第50-55页 |
| ·实验设计 | 第50-52页 |
| ·结果分析 | 第52-55页 |
| ·集成柔性神经树预测蛋白质三级结构 | 第55-60页 |
| ·集成柔性神经树设计 | 第55-57页 |
| ·结果分析 | 第57-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·全文总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 附录 | 第68页 |
| 一、在校期间发表的学术论文 | 第68页 |
| 二、在校期间获奖情况 | 第68页 |
