| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 生物信息学研究现状 | 第11-12页 |
| 1.2.2 微孢子虫研究现状 | 第12-13页 |
| 1.2.3 PolyA位点研究现状 | 第13-14页 |
| 1.2.4 机器学习研究现状 | 第14-15页 |
| 1.3 研究内容与创新点 | 第15-16页 |
| 1.4 论文结构 | 第16-19页 |
| 第2章 相关理论 | 第19-31页 |
| 2.1 机器学习相关理论 | 第19-26页 |
| 2.1.1 支持向量机 | 第20-24页 |
| 2.1.2 K近邻 | 第24-25页 |
| 2.1.3 主成分分析法 | 第25-26页 |
| 2.2 基因预测相关理论 | 第26-30页 |
| 2.2.1 位置特异性打分矩阵(PSSM) | 第27-29页 |
| 2.2.2 Z曲线 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 微孢子虫PolyA位点预测算法 | 第31-45页 |
| 3.1 任务概述 | 第31-32页 |
| 3.2 微孢子虫Encephalitozoon Cuniculi基因数据集 | 第32-34页 |
| 3.3 基因特征提取 | 第34-37页 |
| 3.3.1 常见的特征提取方法 | 第34-35页 |
| 3.3.2 一种新的特征提取方法 | 第35-37页 |
| 3.4 基于SVM的微孢子虫PolyA位点预测算法 | 第37-38页 |
| 3.5 实验结果与分析 | 第38-43页 |
| 3.5.1 实验参数设置 | 第38页 |
| 3.5.2 实验性能评判指标 | 第38-39页 |
| 3.5.3 实验结果与分析 | 第39-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第4章 改进的SVM微孢子虫PolyA位点预测算法 | 第45-53页 |
| 4.1 SVM核函数构建方法 | 第45-48页 |
| 4.2 改进的混合核函数 | 第48页 |
| 4.3 改进的SVM微孢子虫PolyA位点预测算法 | 第48-49页 |
| 4.4 实验结果与分析 | 第49-51页 |
| 4.4.1 实验数据集和设置 | 第49-50页 |
| 4.4.2 实验结果与分析 | 第50-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 论文总结 | 第53-54页 |
| 5.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 硕士期间发表的论文 | 第61页 |
