基于优化的支持向量机识别真核生物基因启动子
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第9-15页 |
| 1.1 启动子研究背景 | 第9页 |
| 1.2 启动子的结构和功能 | 第9-11页 |
| 1.3 启动子识别方法研究进展 | 第11-13页 |
| 1.4 本文主要工作及创新 | 第13-15页 |
| 第二章 预备知识 | 第15-17页 |
| 2.1 极限学习机 | 第15页 |
| 2.2 随机森林算法 | 第15-16页 |
| 2.3 支持向量机 | 第16-17页 |
| 第三章 优化的SVM识别启动子 | 第17-25页 |
| 3.1 特征提取方法 | 第17-19页 |
| 3.1.1 序列组分似然得分 | 第17页 |
| 3.1.2 关联权重矩阵得分 | 第17-18页 |
| 3.1.3 序列物理结构特异性指数 | 第18页 |
| 3.1.4 PZ曲线生物特异性指数 | 第18-19页 |
| 3.2 优化的支持向量机 | 第19-25页 |
| 3.2.1 粒子群优化 | 第20-22页 |
| 3.2.2 遗传算法优化 | 第22-25页 |
| 第四章 数据选取及评价方法 | 第25-27页 |
| 4.1 实验数据选取 | 第25页 |
| 4.2 评价及检验方法 | 第25-27页 |
| 第五章 实验结果及分析 | 第27-33页 |
| 5.1 序列集散点分布图 | 第27-28页 |
| 5.2 不同的特征组合 | 第28页 |
| 5.3 不同SVM参数分类结果 | 第28页 |
| 5.4 参数优化前后对比 | 第28-30页 |
| 5.5 两种参数优化方法对比 | 第30-31页 |
| 5.6 机器学习方法对比 | 第31-33页 |
| 总结 | 第33-35页 |
| 参考文献 | 第35-39页 |
| 附录一 | 第39-41页 |
| 致谢 | 第41-42页 |
| 攻读学位期间发表的学术论文目录 | 第42页 |
