非线性智能算法的应用研究
| 论文摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究的背景与意义 | 第11-14页 |
| ·本文研究的主要问题 | 第14-15页 |
| ·“大数据”的挑战 | 第15-19页 |
| ·背景介绍 | 第15-16页 |
| ·解决思想 | 第16-19页 |
| 第2章 基于SVM的蛋白质二级结构预测 | 第19-32页 |
| ·支持向量机 | 第19-24页 |
| ·基本概念 | 第19-20页 |
| ·支持超平面 | 第20-22页 |
| ·KKT条件 | 第22-23页 |
| ·支持向量 | 第23页 |
| ·核方法(kernel) | 第23-24页 |
| ·蛋白质二级结构预测 | 第24-29页 |
| ·背景知识 | 第24-27页 |
| ·样本特征提取 | 第27-29页 |
| ·实验内容 | 第29-32页 |
| ·实验数据 | 第29-30页 |
| ·工具和参数选择 | 第30页 |
| ·改进的编码方案 | 第30-31页 |
| ·实验结果 | 第31-32页 |
| 第3章 回归测试范围自动选择策略 | 第32-42页 |
| ·背景介绍 | 第32-35页 |
| ·回归测试的必要性 | 第32页 |
| ·相关工作介绍 | 第32-33页 |
| ·技术改进方案 | 第33-35页 |
| ·具体工作 | 第35-36页 |
| ·测试用例的管理 | 第35页 |
| ·依赖权重 | 第35页 |
| ·数据结构 | 第35-36页 |
| ·回归测试选择标准 | 第36页 |
| ·算法介绍 | 第36-40页 |
| ·依赖权重的计算 | 第37-38页 |
| ·x-length路径依赖权重的计算 | 第38-39页 |
| ·有向图矩阵的计算 | 第39页 |
| ·依赖权重矩阵的最终结果 | 第39-40页 |
| ·实验内容 | 第40-42页 |
| ·SR和MPL参数的设置 | 第40-42页 |
| 第4章 中文词语语义图模型 | 第42-52页 |
| ·背景介绍 | 第42-44页 |
| ·维基百科 | 第43页 |
| ·研究的必要性 | 第43-44页 |
| ·语义模型的构建 | 第44-48页 |
| ·维基百科的组织结构 | 第44页 |
| ·数据预处理 | 第44-45页 |
| ·中文词语语义图模型 | 第45-46页 |
| ·PageRank计算 | 第46-48页 |
| ·“article-topic”语义关系表 | 第48页 |
| ·微博数据标注 | 第48-51页 |
| ·数据源 | 第49页 |
| ·存储方案 | 第49页 |
| ·分词工具 | 第49页 |
| ·Map-Reduce计算模型 | 第49-51页 |
| ·实验结果 | 第51-52页 |
| 第5章 总结和展望 | 第52-54页 |
| ·总结 | 第52-53页 |
| ·展望 | 第53-54页 |
| 附录 | 第54-67页 |
| 参考文献 | 第67-71页 |
| 后记 | 第71页 |
