基于流形学习的蛋白质功能预测与优化
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第13-24页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.3 论文的研究内容和创新点 | 第19-22页 |
| 1.3.1 本文的主要研究内容 | 第20-21页 |
| 1.3.2 本文的主要创新点 | 第21-22页 |
| 1.4 论文的组织结构 | 第22-24页 |
| 第二章 流形学习与图论的预备知识 | 第24-34页 |
| 2.1 流形学习简介 | 第24-29页 |
| 2.1.1 流形学习的定义与基本概念 | 第24-26页 |
| 2.1.2 流形学习的经典方法 | 第26-29页 |
| 2.1.2.1 局部保持的流形学习方法 | 第26-28页 |
| 2.1.2.2 全局保持的流形学习方法 | 第28-29页 |
| 2.2 图的基本理论 | 第29-33页 |
| 2.2.1 图的定义与基本概念 | 第30-32页 |
| 2.2.2 图的矩阵表示 | 第32-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第三章 蛋白质网络的低维嵌入与功能预测 | 第34-50页 |
| 3.1 引言 | 第34-36页 |
| 3.2 算法描述 | 第36-39页 |
| 3.2.1 蛋白质相互网络的低维嵌入 | 第36-38页 |
| 3.2.2 蛋白质功能预测的多标签学习方法 | 第38-39页 |
| 3.3 实验结果与分析 | 第39-49页 |
| 3.3.1 数据集的选取 | 第39-41页 |
| 3.3.2 衡量指标的选取 | 第41-42页 |
| 3.3.3 评估加权网络的低维嵌入 | 第42-43页 |
| 3.3.4 评估标注框架中不同多标签学习方法 | 第43-48页 |
| 3.3.4.1 不同多标签学习方法的预测性能分析 | 第43-45页 |
| 3.3.4.2 不同多标签方法的鲁棒性分析 | 第45-46页 |
| 3.3.4.3 独立功能标注预测的有效性分析 | 第46-48页 |
| 3.3.5 评估蛋白质功能预测的性能 | 第48-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 融入标签相关性的蛋白质功能标注 | 第50-64页 |
| 4.1 引言 | 第50-52页 |
| 4.2 算法描述 | 第52-57页 |
| 4.2.1 问题公式化以及符号表示 | 第52-53页 |
| 4.2.2 蛋白质网络的低维嵌入 | 第53-54页 |
| 4.2.3 多标签线性回归算法 | 第54-57页 |
| 4.3 实验结果与分析 | 第57-63页 |
| 4.3.1 数据集的描述 | 第57-58页 |
| 4.3.2 衡量指标的选取 | 第58-59页 |
| 4.3.3 蛋白质功能标签之间的关联性分析 | 第59-60页 |
| 4.3.4 评估蛋白质功能标注方法的鲁棒性 | 第60-62页 |
| 4.3.5 不同多标签学习方法的性能对比分析 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 基于图规则化的蛋白质功能标注优化 | 第64-86页 |
| 5.1 引言 | 第64-67页 |
| 5.2 问题公式化与图规则化理论 | 第67-70页 |
| 5.2.1 问题公式化以及符号表示 | 第67-68页 |
| 5.2.2 蛋白质图的规则化 | 第68-69页 |
| 5.2.3 功能标注图的规则化 | 第69-70页 |
| 5.3 图规则化l1范数的主成分分析法 | 第70-75页 |
| 5.3.1 目标函数的构造 | 第70页 |
| 5.3.2 目标函数的求解 | 第70-73页 |
| 5.3.3 收敛性证明与分析 | 第73-75页 |
| 5.4 实验结果与分析 | 第75-85页 |
| 5.4.1 数据集的描述 | 第75页 |
| 5.4.2 衡量指标的选取 | 第75-76页 |
| 5.4.3 对比方法选取与参数设定 | 第76-77页 |
| 5.4.4 实验结果与讨论 | 第77-85页 |
| 5.4.4.1 优化模型的收敛性分析 | 第77-78页 |
| 5.4.4.2 评估不同噪声比下的优化性能 | 第78-80页 |
| 5.4.4.3 优化模型的鲁棒性分析 | 第80-81页 |
| 5.4.4.4 独立功能标注优化的有效性分析 | 第81-83页 |
| 5.4.4.5 蛋白质功能预测探究 | 第83-85页 |
| 5.5 本章小结 | 第85-86页 |
| 第六章 总结与展望 | 第86-88页 |
| 6.1 本文主要工作与创新点 | 第86-87页 |
| 6.2 未来工作展望 | 第87-88页 |
| 参考文献 | 第88-95页 |
| 致谢 | 第95-96页 |
| 攻读硕士学位期间发表的论文 | 第96-97页 |
| 攻读硕士学位期间参加的科研项目 | 第97页 |
