基于图像的蛋白质亚细胞定位
| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 1 引言 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状分析 | 第9-12页 |
| 1.3 论文研究内容及结构框架安排 | 第12-15页 |
| 1.3.1 论文研究的主要内容 | 第12页 |
| 1.3.2 论文的实验环境 | 第12-13页 |
| 1.3.3 论文的结构框架 | 第13-15页 |
| 2 蛋白质数据样本描述 | 第15-21页 |
| 2.1 蛋白质 | 第15-17页 |
| 2.1.1 蛋白质简介 | 第15页 |
| 2.1.2 亚细胞结构及其功能 | 第15-17页 |
| 2.2 数据来源 | 第17-19页 |
| 2.3 图像预处理 | 第19-21页 |
| 3 图像特征提取方法 | 第21-35页 |
| 3.1 局部二值模式(LBP) | 第21-24页 |
| 3.2 局部三值模式(LTP) | 第24-26页 |
| 3.3 噪声容忍的局部二值模式(NTLBP) | 第26-27页 |
| 3.4 局部相位量化模式(LPQ)——模糊不变性 | 第27-30页 |
| 3.5 局部配置模式(LCP) | 第30-35页 |
| 3.5.1 基于LBP的局部特征 | 第30-31页 |
| 3.5.2 微观结构建模(MiC) | 第31-35页 |
| 4 局部特征提取结合支持向量机 | 第35-41页 |
| 4.1 支持向量机的简介 | 第35-38页 |
| 4.2 LIBSVM | 第38-39页 |
| 4.3 实验结果 | 第39-41页 |
| 5 特征选择结合朴素贝叶斯 | 第41-47页 |
| 5.1 基于夏普利值的自下而上特征选择 | 第42-44页 |
| 5.2 朴素贝叶斯分类器 | 第44-45页 |
| 5.3 实验结果 | 第45-47页 |
| 6 不同特征提取和分类结合的结果比较 | 第47-53页 |
| 6.1 特征提取结果分析 | 第47-48页 |
| 6.2 SVM分类结果分析 | 第48-49页 |
| 6.3 SFS&NB分类结果分析 | 第49-51页 |
| 6.4 SVM与SFS&NB的运行时间比较 | 第51-53页 |
| 7 总结与展望 | 第53-55页 |
| 7.1 总结 | 第53页 |
| 7.2 展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |
