| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-22页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 蛋白质基本概念 | 第9-13页 |
| 1.2.1 蛋白质结构层次 | 第9-10页 |
| 1.2.2 蛋白质功能 | 第10-11页 |
| 1.2.3 蛋白质功能与结构的关系 | 第11-12页 |
| 1.2.4 PPI网络及相关数据库 | 第12页 |
| 1.2.5 生物通路及相关数据库 | 第12-13页 |
| 1.3 基于PPI网络蛋白质功能预测问题及其研究进展 | 第13-15页 |
| 1.4 机器学习技术简介 | 第15-20页 |
| 1.4.1 层次聚类 | 第15-16页 |
| 1.4.2 主成分分析 | 第16页 |
| 1.4.3 神经网络模型 | 第16-20页 |
| 1.5 论文内容与结构 | 第20-22页 |
| 第2章 基于机器学习的蛋白质功能预测 | 第22-32页 |
| 2.1 问题与符号定义 | 第22-23页 |
| 2.2 功能预测方法 | 第23-28页 |
| 2.2.1 功能模块特征提取 | 第24-25页 |
| 2.2.2 属性主成分特征提取 | 第25-26页 |
| 2.2.3 特征合并与标准化 | 第26页 |
| 2.2.4 基于多层感知器的功能预测 | 第26-28页 |
| 2.3 实验与结果分析 | 第28-31页 |
| 2.3.1 实验数据 | 第28页 |
| 2.3.2 性能评价 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于双加权投票的蛋白质功能预测 | 第32-41页 |
| 3.1 问题与符号定义 | 第32页 |
| 3.2 功能预测方法 | 第32-36页 |
| 3.2.1 BiWV算法 | 第32-35页 |
| 3.2.2 BiWV-P算法 | 第35-36页 |
| 3.3 实验与结果分析 | 第36-40页 |
| 3.3.1 实验数据 | 第36-37页 |
| 3.3.2 性能评价 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 结束语 | 第41-43页 |
| 4.1 总结 | 第41页 |
| 4.2 展望 | 第41-43页 |
| 参考文献 | 第43-48页 |
| 攻读硕士期间学术成果与获奖情况 | 第48-49页 |
| 致谢 | 第49-50页 |