目录 | 第1-6页 |
摘要 | 第6-7页 |
Abstract | 第7-8页 |
第一章 生物信息学(Bioinformatics) | 第8-18页 |
·生物信息学定义 | 第8页 |
·人类基因组计划(HGP) | 第8-9页 |
·相关分子生物学背景知识 | 第9-12页 |
·DNA、脱氧核糖核酸 | 第9-10页 |
碱基的配对原则 | 第9-10页 |
·RNA、转录和翻译 | 第10-11页 |
·变异 | 第11页 |
·蛋白质 | 第11页 |
·基因与基因组 | 第11页 |
·基因的编码 | 第11-12页 |
·带来的问题 | 第12页 |
·生物学数据库 | 第12-15页 |
·几个重要的生物信息中心 | 第12-13页 |
·数据库格式 | 第13-14页 |
·序列文件格式 | 第14-15页 |
·生物信息学的主要研究内容 | 第15-16页 |
·生物信息学研究的科学价值 | 第16-17页 |
·生物信息学的划时代意义 | 第16页 |
·生物信息学为生命科学的研究提供了重要工具 | 第16-17页 |
·生物信息学的应用前景 | 第17页 |
·与生物信息学密切相关的计算机科学技术 | 第17-18页 |
第二章 机器学习在生物信息学中的应用与 HMM模型 | 第18-28页 |
·机器学习 | 第18-20页 |
·学习系统的基本结构 | 第19页 |
·学习问题的界定 | 第19页 |
·机器学习方法在生物信息学研究中的应用 | 第19页 |
·机器学习对生物信息学的重要性 | 第19-20页 |
·机器学习在生物信息学中的任务 | 第20-26页 |
·从数据库中发现知识(KDD) | 第20-21页 |
·人工神经网络(ANN) | 第21页 |
·决策树 | 第21-22页 |
·贝叶斯网络 | 第22-23页 |
·遗传算法 | 第23页 |
·隐马尔可夫链(HMM) | 第23-25页 |
问题 | 第24-25页 |
·聚类 | 第25页 |
·归纳逻辑编程(ILP) | 第25页 |
·支持向量机 | 第25-26页 |
·在生物信息学应用中机器学习值得注意的问题 | 第26-28页 |
·从遭到“污染”的生物学数据库中学习 | 第26页 |
·生成与判断的问题 | 第26-27页 |
·“逼近”与“解释”的问题 | 第27页 |
·单一方法与组合方法 | 第27-28页 |
第三章 生物序列联配算法的比较 | 第28-40页 |
·全局联配 | 第28-30页 |
·定义 | 第28页 |
·原始算法 | 第28-29页 |
·动态规划(Dynamic Programming) | 第29-30页 |
·局部联配 | 第30页 |
·空位罚分 | 第30-31页 |
·权值恒定模型 | 第30-31页 |
·仿射罚分模型(Affine Gap Model) | 第31页 |
·多序列联配 | 第31-32页 |
·中心星算法 | 第32-33页 |
·启发式算法-FASTA | 第33页 |
·启发式算法-BLAST | 第33-35页 |
·生物序列联配中的并行算法 | 第35-40页 |
·动态规划中的数据相关 | 第35页 |
·Smith-Waterman的并行处理 | 第35-36页 |
·动态规划的并行计算 | 第36-37页 |
·利用前趋计算的并行算法 | 第37-38页 |
·Berger_Munson算法 | 第38-40页 |
第四章 基于机器学习的生物序列分析应用模型构建与实现 | 第40-53页 |
·基于HMM与遗传算法的 DNA序列分析的设计与实现 | 第40-47页 |
·设计思想 | 第40-42页 |
·处理流程设计 | 第42-46页 |
·HMM相关实现流程 | 第42-44页 |
·遗传算法相关实现流程 | 第44-46页 |
·该设计的限制及注意事项 | 第46-47页 |
·基于动态规划的一个 HMM应用模型的构建 | 第47-53页 |
·应用模型的由来 | 第47页 |
·模型的构建 | 第47-48页 |
·函数设置和模型的程序结构 | 第48-53页 |
第五章 结论与展望 | 第53-54页 |
攻读硕士学位期 间发表过的论文 | 第54-55页 |
致谢 | 第55-56页 |
参考文献 | 第56-59页 |
附录 | 第59-74页 |
程序文件说明 | 第59页 |
hmm_viterbi.c | 第59-61页 |
hmm_forward.c | 第61-63页 |
hmm_backward.C | 第63页 |
ga.c | 第63-65页 |
ga_m isc.c | 第65-72页 |
ga_recombination.c | 第72-74页 |