| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-10页 |
| 1.1 研究意义 | 第7页 |
| 1.2 研究背景 | 第7-9页 |
| 1.3 本文研究的主要内容 | 第9页 |
| 1.4 论文的组织与结构 | 第9-10页 |
| 2 蛋白质与维生素概述 | 第10-19页 |
| 2.1 蛋白质概述 | 第10页 |
| 2.2 蛋白质的结构信息 | 第10-12页 |
| 2.3 维生素概述 | 第12-14页 |
| 2.3.1 维生素的分类及功能 | 第12-13页 |
| 2.3.2 蛋白质与维生素的绑定位点差异性 | 第13-14页 |
| 2.4 氨基酸特征提取方法 | 第14-18页 |
| 2.4.1 位置特异性得分矩阵 | 第14-16页 |
| 2.4.2 蛋白质二级结构信息 | 第16-17页 |
| 2.4.3 滑动窗口操作 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 3 不平衡学习概述及分类器集成技术 | 第19-38页 |
| 3.1 不平衡学习概述 | 第19-21页 |
| 3.1.1 不平衡数据集分类存在的问题 | 第19-20页 |
| 3.1.2 不平衡数据集分类的解决办法 | 第20-21页 |
| 3.2 数据采样技术 | 第21-25页 |
| 3.2.1 上采样技术 | 第21-22页 |
| 3.2.2 下采样技术 | 第22-23页 |
| 3.2.3 基于K-means的改进下采样方法 | 第23-25页 |
| 3.3 分类器集成研究 | 第25-27页 |
| 3.3.1 分类器集成概述 | 第25页 |
| 3.3.2 分类器集成的方法 | 第25-27页 |
| 3.4 预测模型建立 | 第27-36页 |
| 3.4.1 支持向量机理论概述 | 第27-30页 |
| 3.4.2 分类算法评价 | 第30-31页 |
| 3.4.3 集成分类器分类结果的组合方式 | 第31-33页 |
| 3.4.4 预测模型的建立 | 第33-36页 |
| 3.5 本章小结 | 第36-38页 |
| 4 实验过程与结果分析 | 第38-52页 |
| 4.1 数据来源 | 第38-39页 |
| 4.2 分类结果评价指标 | 第39-41页 |
| 4.3 最优特征的探寻 | 第41-45页 |
| 4.3.1 LogisticPSSM与OriginalPSSM的比较 | 第41-42页 |
| 4.3.2 “单一LogisticPSSM”特征与“LogisticPSSM和PSS组合”特征的比较 | 第42-43页 |
| 4.3.3 随机下采样方法与MUS采样方法的比较 | 第43-45页 |
| 4.4 蛋白质与维生素绑定位点预测模型实验结果与比较 | 第45-50页 |
| 4.5 本章小结 | 第50-52页 |
| 5 总结与展望 | 第52-54页 |
| 5.1 主要研究工作与总结 | 第52页 |
| 5.2 未来研究方向 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |
