| 用决策树方法预测酵母蛋白质复合物 | 第1-3页 |
| PREDICTING YEAST PROTEIN COMPLEX USING DECISION TREE | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-10页 |
| ·论文研究的背景 | 第8-9页 |
| ·论文的主要内容和章节安排 | 第9-10页 |
| 第二章 背景知识 | 第10-13页 |
| ·生物信息学简介 | 第10-11页 |
| ·数据挖掘技术简介 | 第11-12页 |
| ·数据挖掘任务、步骤、方法和对象 | 第11页 |
| ·归纳学习 | 第11-12页 |
| ·生物信息学与数据挖掘技术的结合 | 第12-13页 |
| 第三章 系统整体框架介绍 | 第13-15页 |
| ·系统整体框架 | 第13-15页 |
| 第四章 酵母原始数据搜集 | 第15-20页 |
| ·酵母数据搜集 | 第15-16页 |
| ·酵母属性数据说明 | 第16-17页 |
| ·酵母属性数据处理 | 第17-18页 |
| ·数据库表结构设计 | 第18-20页 |
| 第五章决策树训练生成 | 第20-28页 |
| ·决策树介绍 | 第20-22页 |
| ·训练数据和测试数据的生成 | 第22-25页 |
| ·决策树的训练生成 | 第25-27页 |
| ·决策树分类预测结果及其分析 | 第27-28页 |
| 第六章决策林及支持向量机的构造 | 第28-34页 |
| ·决策林介绍 | 第28-30页 |
| ·决策林的训练生成 | 第30-31页 |
| ·决策林分类预测结果及其分析 | 第31-32页 |
| ·支持向量机介绍 | 第32页 |
| ·支持向量机的训练生成以及分类预测结果 | 第32-34页 |
| 第七章三种分类方法的比较和生物学意义分析 | 第34-36页 |
| ·三种方法比较 | 第34页 |
| ·生物学意义分析 | 第34-36页 |
| 第八章 总结和展望 | 第36-38页 |
| ·总结 | 第36页 |
| ·本文的创新点 | 第36页 |
| ·今后的工作 | 第36-38页 |
| 参考文献 | 第38-40页 |
| 致谢 | 第40-41页 |
| 攻读硕士学位期间发表的论文和科研项目 | 第41-42页 |
| 附录1 系统表结构设计 | 第42-46页 |
| 附录2 C4.5 决策树例子 | 第46-48页 |
| 论文独创性声明 | 第48页 |
| 论文使用授权声明 | 第48-49页 |