核学习方法及其在生物序列分析中的应用
| 摘要 | 第1-4页 |
| ABSTRACT(英文摘要) | 第4-5页 |
| 目录 | 第5-7页 |
| 主要符号对照表 | 第7-8页 |
| 第一章 绪论 | 第8-14页 |
| ·引言 | 第8页 |
| ·核方法研究背景 | 第8-9页 |
| ·生物序列分析的发展 | 第9-12页 |
| ·蛋白质亚细胞定位研究现状 | 第9-12页 |
| ·蛋白质同源性检测研究现状 | 第12页 |
| ·论文安排 | 第12-14页 |
| 第二章 支持向量机 | 第14-21页 |
| ·引言 | 第14页 |
| ·最优超平面 | 第14页 |
| ·线性支持向量机 | 第14-17页 |
| ·非线性支持向量机和核函数 | 第17-18页 |
| ·再生核希尔伯特空间和代表定理 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 字符串核方法 | 第21-31页 |
| ·引言 | 第21页 |
| ·谱字符串核和不严格匹配字符串核 | 第21-22页 |
| ·字符串核框架 | 第22-25页 |
| ·字符串核框架的定义 | 第22-24页 |
| ·字符串核之间的关系 | 第24-25页 |
| ·建立特征集合 | 第25-27页 |
| ·特征选择方法 | 第25-27页 |
| ·典型的特征集合 | 第27页 |
| ·快速计算字符串核函数 | 第27-29页 |
| ·含有叶链接的树型数据结构 | 第28页 |
| ·叶节点遍历算法 | 第28-29页 |
| ·使用先验知识 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 结构化预测 | 第31-39页 |
| ·引言 | 第31页 |
| ·相互依赖的亚细胞位置 | 第31-32页 |
| ·生物学角度 | 第31-32页 |
| ·机器学习角度 | 第32页 |
| ·多根树结构 | 第32页 |
| ·层次化分类 | 第32-33页 |
| ·结构化支持向量机 | 第33-36页 |
| ·多根结构化预测 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第五章 字符串核方法应用于生物序列实验分析 | 第39-48页 |
| ·实验设置 | 第39-40页 |
| ·预测结果 | 第40-45页 |
| ·谱特征集 | 第40-41页 |
| ·约减谱特征集 | 第41-42页 |
| ·混合特征集 | 第42-43页 |
| ·多种字符串核 | 第43-45页 |
| ·使用先验知识 | 第45页 |
| ·本章小结 | 第45-48页 |
| 第六章 结构化预测应用于生物序列实验分析 | 第48-57页 |
| ·实验设置 | 第48-49页 |
| ·亚细胞位置的层次结构 | 第49-50页 |
| ·和传统方法的比较 | 第50-56页 |
| ·平面支持向量机和决策树支持向量机 | 第52页 |
| ·多根SVM-Struct的性能 | 第52页 |
| ·位置对位置的比较 | 第52-56页 |
| ·不同结点SVM的性能差异 | 第56页 |
| ·本章小结 | 第56-57页 |
| 第七章 总结与展望 | 第57-59页 |
| ·本文的主要贡献 | 第57页 |
| ·进一步的研究工作 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 个人简历、在学期间的研究成果及发表的论文 | 第65-68页 |
| 上海交通大学硕士学位论文答辩决议书 | 第68页 |
