| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 变量注释表 | 第20-21页 |
| 1 绪论 | 第21-36页 |
| 1.1 研究背景及意义 | 第21-23页 |
| 1.2 国内外研究现状 | 第23-29页 |
| 1.3 相关向量机相关理论 | 第29-33页 |
| 1.4 本文主要研究内容 | 第33-34页 |
| 1.5 本文组织结构 | 第34-35页 |
| 1.6 本章小结 | 第35-36页 |
| 2 基于局域蛋白质序列PSSM矩阵编码的串行多特征融合特征提取方法 | 第36-65页 |
| 2.1 引言 | 第36-39页 |
| 2.2 特征提取相关理论介绍 | 第39-45页 |
| 2.3 实验数据集 | 第45-46页 |
| 2.4 性能评价指标 | 第46-47页 |
| 2.5 实验结果及分析 | 第47-64页 |
| 2.6 本章小结 | 第64-65页 |
| 3 基于灰狼优化和k折交叉验证的组合核相关向量机 | 第65-104页 |
| 3.1 引言 | 第65-66页 |
| 3.2 灰狼优化算法 | 第66-69页 |
| 3.3 交叉验证 | 第69-71页 |
| 3.4 基于灰狼优化和K折交叉验证的智能寻优算法 | 第71-73页 |
| 3.5 智能寻优算法实验结果及分析 | 第73-90页 |
| 3.6 组合核相关向量机 | 第90-92页 |
| 3.7 组合核相关向量机实验结果及分析 | 第92-103页 |
| 3.8 本章小结 | 第103-104页 |
| 4 基于AP聚类与Renyi熵融合的自训练半监督相关向量机 | 第104-128页 |
| 4.1 引言 | 第104-107页 |
| 4.2 AP聚类 | 第107-110页 |
| 4.3 信息熵和Renyi熵 | 第110-111页 |
| 4.4 基于AP聚类与Renyi熵融合的自训练半监督相关向量机分类算法 | 第111-114页 |
| 4.5 实验结果及分析 | 第114-127页 |
| 4.6 本章小结 | 第127-128页 |
| 5 蛋白质相互作用在线预测系统的设计与实现 | 第128-136页 |
| 5.1 引言 | 第128-129页 |
| 5.2 系统设计与实现 | 第129-135页 |
| 5.3 本章小结 | 第135-136页 |
| 6 结论与展望 | 第136-139页 |
| 6.1 总结 | 第136-137页 |
| 6.2 展望 | 第137-139页 |
| 参考文献 | 第139-152页 |
| 作者简介 | 第152-154页 |
| 学位论文数据集 | 第154页 |
