| 致谢 | 第6-7页 |
| 摘要 | 第7-8页 |
| ABSTART | 第8-9页 |
| 第一章 绪论 | 第17-22页 |
| 1.1 研究背景及意义 | 第17页 |
| 1.2 文本分类的研究现状 | 第17-19页 |
| 1.2.1 国外研究现状 | 第17-18页 |
| 1.2.2 国内研究现状 | 第18-19页 |
| 1.3 生物数据库的研究现状 | 第19页 |
| 1.4 研究方法、结构和路线 | 第19-22页 |
| 1.4.1 研究方法 | 第19-20页 |
| 1.4.2 组织结构 | 第20页 |
| 1.4.3 研究路线 | 第20-22页 |
| 第二章 相关理论技术 | 第22-30页 |
| 2.1 文本分类 | 第22-23页 |
| 2.1.1 文本分类的概述 | 第22页 |
| 2.1.2 文本分类的含义 | 第22-23页 |
| 2.2 词向量 | 第23-24页 |
| 2.2.1 One-hotrepresentation概述 | 第23页 |
| 2.2.2 DistributedRepresentation概述 | 第23-24页 |
| 2.3 Word2vec模型 | 第24-25页 |
| 2.4 卷积神经网络 | 第25-26页 |
| 2.4.1 卷积神经网络的概念 | 第25页 |
| 2.4.2 卷积神经网络的模型结构 | 第25-26页 |
| 2.5 数据库相关技术 | 第26-30页 |
| 2.5.1 PHP技术 | 第26-27页 |
| 2.5.2 基于JSON的AJAX技术 | 第27-30页 |
| 第三章 文本分类的过程及模型间的比较与分析 | 第30-43页 |
| 3.1 文本分类的基本过程 | 第30-33页 |
| 3.1.1 数据预处理 | 第30页 |
| 3.1.2 文本的表示 | 第30-31页 |
| 3.1.3 特征处理 | 第31页 |
| 3.1.4 分类器的选择 | 第31页 |
| 3.1.5 分类性能评价标准 | 第31-33页 |
| 3.2 文本分类模型的比较与分析 | 第33-42页 |
| 3.2.1 数据的划分 | 第33页 |
| 3.2.2 K最近邻模型 | 第33-34页 |
| 3.2.3 朴素贝叶斯模型 | 第34-36页 |
| 3.2.4 卷积神经网络模型 | 第36-41页 |
| 3.2.5 模型间实验结果对比分析 | 第41-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 基于卷积神经网络的文献分类 | 第43-51页 |
| 4.1 提取文本特征 | 第44-45页 |
| 4.2 模型结构 | 第45-47页 |
| 4.2.1 卷积层 | 第45-46页 |
| 4.2.2 池化层 | 第46页 |
| 4.2.3 全连接层 | 第46-47页 |
| 4.3 Dropout | 第47页 |
| 4.4 网络训练 | 第47-49页 |
| 4.5 统计结果分析 | 第49页 |
| 4.6 本章小结 | 第49-51页 |
| 第五章 水稻抗逆基因数据库的设计与实现 | 第51-62页 |
| 5.1 构建水稻抗逆基因数据库的必要性 | 第51页 |
| 5.2 水稻抗逆基因数据库的设计 | 第51-57页 |
| 5.2.1 开发环境及其体系结构 | 第51-53页 |
| 5.2.2 数据库构建的原则 | 第53页 |
| 5.2.3 数据库的结构设计 | 第53-54页 |
| 5.2.4 基因数据的来源 | 第54-57页 |
| 5.2.5 水稻基因数据库的构建 | 第57页 |
| 5.3 数据库的功能设计 | 第57-58页 |
| 5.4 数据库的页面展示 | 第58-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 工作总结和展望 | 第62-64页 |
| 6.1 工作总结 | 第62页 |
| 6.2 研究展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 作者简介 | 第67页 |