| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文主要内容 | 第15-16页 |
| 1.4 本文结构 | 第16-17页 |
| 第2章 基于蛋白质氨基酸序列的特征提取 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 基于二维线性判别分析法的特征提取方法 | 第17-19页 |
| 2.3 基于连续小波变换的特征提取方法 | 第19-20页 |
| 2.4 基于离散小波变换的特征提取方法 | 第20-22页 |
| 2.5 数据集介绍 | 第22-24页 |
| 2.6 本章总结 | 第24-25页 |
| 第3章 基于相似性网络融合的蛋白质相互作用的预测 | 第25-39页 |
| 3.1 引言 | 第25页 |
| 3.2 方法概述 | 第25-26页 |
| 3.3 相似性网络融合方法 | 第26-28页 |
| 3.3.1 网络构建 | 第26-27页 |
| 3.3.2 网络融合 | 第27-28页 |
| 3.4 标签传播法 | 第28页 |
| 3.5 实验准备 | 第28-30页 |
| 3.5.1 评价标准 | 第28-29页 |
| 3.5.2 五折交叉验证 | 第29-30页 |
| 3.6 实验结果 | 第30-38页 |
| 3.6.1 实验参数设置 | 第30-31页 |
| 3.6.2 三个核心数据集的预测结果 | 第31-32页 |
| 3.6.3 SVM分类器与基于LPA的方法比较 | 第32-37页 |
| 3.6.4 跨物种蛋白质相互作用预测 | 第37-38页 |
| 3.7 本章总结 | 第38-39页 |
| 第4章 基于深度多项式网络编码的蛋白质相互作用的预测 | 第39-57页 |
| 4.1 引言 | 第39页 |
| 4.2 方法概述 | 第39-41页 |
| 4.3 多模态的深度多项式网络编码方法 | 第41-43页 |
| 4.3.1 深度多项式网络 | 第41-42页 |
| 4.3.2 多模态深度多项式网络 | 第42-43页 |
| 4.4 正则化的极限学习 | 第43-44页 |
| 4.5 实验结果 | 第44-54页 |
| 4.5.1 实验参数设置 | 第44-45页 |
| 4.5.2 三个核心数据集的预测结果 | 第45-48页 |
| 4.5.3 与SVM分类器和ELM分类器进行对比 | 第48-51页 |
| 4.5.4 跨物种蛋白质相互作用预测 | 第51-52页 |
| 4.5.5 三个核心蛋白质网络预测 | 第52-54页 |
| 4.6 与现存预测模型的性能对比 | 第54-56页 |
| 4.7 本章总结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间的研究成果 | 第65页 |