首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

多样性增量特征选择技术的应用

摘要第3-5页
ABSTRACT第5-6页
第一章 绪论第9-15页
    1.1 课题的研究背景第9-13页
        1.1.1 多样性特征选择技术的发展第9-10页
        1.1.2 核小体定位的研究与发展第10-11页
        1.1.3 蛋白质磷酸化的特点及研究进展第11-13页
    1.2 本文的结构组织及主要研究内容第13-15页
第二章 研究方法第15-20页
    2.1 多样性增量特征选择技术第15-16页
    2.2 序列的k-mer组分第16页
    2.3 k间隔氨基酸对第16-17页
    2.4 位置保守的氨基酸组分第17页
    2.5 序列的非均匀指数第17-18页
    2.6 预测算法第18-19页
    2.7 10折交叉检验第19页
    2.8 分类性能评价指标第19-20页
第三章 基于特征选择技术预测酵母中核小体定位序列第20-24页
    3.1 引言第20页
    3.2 数据集与方法第20-21页
        3.2.1 酵母核小体定位序列和连接序列数据集第20-21页
        3.2.2 k联体特征第21页
    3.3 结果与讨论第21-22页
        3.3.1 基于多样性增量的特征选择第21-22页
        3.3.2 SVM预测结果第22页
    3.4 本章小结第22-24页
第四章 基于特征选择技术解决磷酸化分类问题第24-31页
    4.1 引言第24页
    4.2 数据集与方法第24-26页
        4.2.1 数据集第24-25页
        4.2.2 特征提取方法第25-26页
    4.3 结果与讨论第26-30页
        4.3.1 FSID特征选择结果第26-28页
        4.3.2 FSID_PhSite模型的识别结果第28-29页
        4.3.3 讨论第29-30页
    4.4 本章小结第30-31页
第五章 酵母基因组中核小体定位序列的周期性研究第31-36页
    5.1 引言第31页
    5.2 数据集与方法第31-33页
        5.2.1 酵母核小体定位序列和连接序列的数据集第31页
        5.2.2 染色体编码序列第31页
        5.2.3 序列拼接第31-32页
        5.2.4 碱基约化第32页
        5.2.5 序列转换第32-33页
        5.2.6 随机序列第33页
    5.3 结果与讨论第33-35页
        5.3.1 核小体定位序列的周期信号第33-34页
        5.3.2 周期信号的起源第34-35页
    5.4 本章小结第35-36页
第六章 总结与展望第36-38页
    6.1 本文研究工作总结第36页
    6.2 研究展望第36-38页
参考文献第38-43页
致谢第43-44页
在读期间发表的学术论文与取得的其他研究成果第44页

论文共44页,点击 下载论文
上一篇:结合聚类算法的高光谱图像半监督分类研究
下一篇:基于光学的空间物体姿态测量技术研究