蛋白质二级结构预测的多核学习方法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 1 绪论 | 第13-36页 |
| ·引言 | 第13页 |
| ·研究背景 | 第13-15页 |
| ·模式识别 | 第15-18页 |
| ·特征提取 | 第15-16页 |
| ·分类器 | 第16页 |
| ·监督学习、半监督学习和非监督学习 | 第16-18页 |
| ·蛋白质 | 第18-21页 |
| ·蛋白质测序 | 第21-22页 |
| ·蛋白质结构 | 第22-26页 |
| ·蛋白质一级结构 | 第23-24页 |
| ·蛋白质二级结构 | 第24-26页 |
| ·蛋白质三级结构 | 第26页 |
| ·蛋白质四级结构 | 第26页 |
| ·蛋白质二级结构预测及必要性 | 第26-28页 |
| ·蛋白质二级结构预测 | 第26-27页 |
| ·二级结构预测研究的必要性 | 第27-28页 |
| ·历史方法 | 第28-36页 |
| ·Chou-Fasman 方法 | 第28-31页 |
| ·GOR 方法 | 第31-32页 |
| ·PHD 方法 | 第32-34页 |
| ·目前主流方法 | 第34-36页 |
| 2 蛋白质序列特征提取 | 第36-46页 |
| ·位置特异性局部比对 | 第36-40页 |
| ·蛋白质序列比对 | 第36-38页 |
| ·位置特异迭代比对 | 第38-40页 |
| ·物理化学特征 | 第40-43页 |
| ·倾向性分数 | 第43-44页 |
| ·特征提取 | 第44-46页 |
| 3 支持向量机 | 第46-53页 |
| ·支持向量机概述 | 第46-47页 |
| ·支持向量 | 第47-49页 |
| ·松弛变量 | 第49-51页 |
| ·多类分类策略 | 第51-53页 |
| 4 多核学习 | 第53-69页 |
| ·核方法 | 第53-58页 |
| ·核方法原理 | 第53-55页 |
| ·核方法的发展历史 | 第55-57页 |
| ·核方法的优点和热点 | 第57-58页 |
| ·核函数及核矩阵 | 第58-62页 |
| ·希尔伯特空间 | 第58-59页 |
| ·核函数 | 第59-60页 |
| ·核函数的性质 | 第60-61页 |
| ·核矩阵 | 第61-62页 |
| ·多核融合 | 第62-64页 |
| ·多核学习的意义 | 第62-63页 |
| ·多核学习的方式 | 第63-64页 |
| ·参数优化 | 第64-67页 |
| ·多核下的多类分类策略 | 第67-69页 |
| 5 二级结构预测 | 第69-72页 |
| ·数据来源及处理 | 第69页 |
| ·预测结果 | 第69-72页 |
| 6 总结与展望 | 第72-75页 |
| ·研究总结 | 第72-73页 |
| ·特征提取 | 第72页 |
| ·分类 | 第72-73页 |
| ·展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间发表的学术论文 | 第81页 |
