摘要 | 第1-7页 |
ABSTRACT | 第7-11页 |
目录 | 第11-14页 |
第一章 引言 | 第14-27页 |
·数据挖掘 | 第14-17页 |
·生物信息学 | 第17-19页 |
·预备知识 | 第19-23页 |
·聚类分析理论 | 第19-21页 |
·机器学习 | 第21-23页 |
·本文研究内容 | 第23-27页 |
第二章 特征空间属性加权模糊核聚类算法 | 第27-51页 |
·引言及研究动机 | 第27-30页 |
·研究动机 | 第27-28页 |
·FCM 模糊聚类算法 | 第28-29页 |
·Mercer 核 | 第29-30页 |
·WFKCA 算法 | 第30-36页 |
·WFKCA 算法 | 第30-34页 |
·WFKCA 收敛性证明 | 第34-36页 |
·实验分析 | 第36-47页 |
实例1—IRIS 数据集测试 | 第36-42页 |
实例2—高维数据聚类分析 | 第42-43页 |
实例3—复杂背景图像分割 | 第43-47页 |
·讨论 | 第47-50页 |
·核函数的选择 | 第47-48页 |
·聚类不完整数据 | 第48-50页 |
·本章小结 | 第50-51页 |
第三章 基于信息理论的合作聚类算法研究 | 第51-66页 |
·研究动机 | 第51-52页 |
·概率聚类算法 | 第52页 |
·数据集间的信息增益度量 | 第52-55页 |
·信息增益度量定义 | 第52-54页 |
·一个实例 | 第54-55页 |
·基于信息理论的合作聚类算法CCA | 第55-58页 |
·CCA 算法 | 第55-57页 |
·CCA 收敛性证明 | 第57-58页 |
·仿真分析 | 第58-64页 |
·讨论 | 第64-65页 |
·本章小结 | 第65-66页 |
第四章 采样定理、视觉原理及无监督聚类分析理论 | 第66-78页 |
·引言及研究动机 | 第66-68页 |
·采样定理与视觉原理 | 第68-69页 |
·基于视觉采样定理的新聚类算法 | 第69-73页 |
·Weber 定律 | 第69页 |
·基于视觉采样定理的新聚类算法 | 第69-73页 |
·仿真实验 | 第73-77页 |
·本章小结 | 第77-78页 |
第五章 基于有监督聚类算法的蛋白结构分类 | 第78-85页 |
·研究背景及研究动机 | 第78-79页 |
·方法 | 第79-82页 |
·模糊分类器 | 第79-80页 |
·有监督模糊聚类算法 | 第80-82页 |
·实验及讨论分析 | 第82-83页 |
·本章小结 | 第83-85页 |
第六章 基于集成分类器的蛋白序列分析 | 第85-107页 |
·背景知识及研究动机 | 第85-90页 |
·研究背景 | 第85页 |
·蛋白序列的离散化表示 | 第85-89页 |
·存在的问题及研究目的 | 第89-90页 |
·基于集成分类器的蛋白亚细胞定位研究 | 第90-95页 |
·亚细胞定位研究意义 | 第90页 |
·Covariant discriminant 算法 | 第90-93页 |
·分类器集成 | 第93-94页 |
·实验分析 | 第94-95页 |
·基于集成分类器的膜蛋白类型预测 | 第95-99页 |
·l 膜蛋白简介及研究意义 | 第95-96页 |
·基于集成分类器的膜蛋白识别 | 第96-97页 |
·实验结果分析 | 第97-99页 |
·基于集成分类器的蛋白折叠识别 | 第99-104页 |
·研究背景及研究意义 | 第99-100页 |
·基于的D-S 证据理论的优化KNN 算法 | 第100-102页 |
·基于集成分类器的蛋白折叠识别 | 第102-103页 |
·实验结果 | 第103-104页 |
·本章小结 | 第104-107页 |
第七章 蛋白亚细胞位置预测分析 | 第107-131页 |
·引言及研究动机 | 第107-109页 |
·数据材料准备 | 第109-111页 |
·算法方法 | 第111-118页 |
·Gene Ontology 数据库 | 第111-114页 |
·预测算法 | 第114-118页 |
·实验结果及分析 | 第118-121页 |
·讨论 | 第121-129页 |
·算法模型的扩展 | 第121页 |
·生物研究对象的扩展 | 第121-129页 |
·本章小结 | 第129-131页 |
第八章 在线生物服务网站建设 | 第131-135页 |
·动机及目的 | 第131页 |
·在线服务平台 | 第131-134页 |
·设计框架 | 第131-132页 |
·在线服务平台 | 第132页 |
·人类蛋白细胞定位系统 | 第132-134页 |
·本章小结 | 第134-135页 |
第九章 总结及工作展望 | 第135-139页 |
·本文创新工作总结 | 第135-138页 |
·进一步工作展望 | 第138-139页 |
图表目录 | 第139-141页 |
参考文献 | 第141-151页 |
附录1 公式(2-24)推导 | 第151-152页 |
附录2 IRIS 数据集 | 第152-156页 |
附录3 考古发现的两类宋代古窑器样本 | 第156-157页 |
致谢 | 第157-158页 |
攻读学位期间发表的学术论文目录 | 第158-161页 |
学术服务 | 第161页 |