基于网络拓扑特性的关键蛋白质识别算法的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 蛋白质相互作用网络 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.4 研究内容和工作 | 第15页 |
| 1.5 本文组织结构 | 第15-17页 |
| 2 中心性测度算法与CUDA概述 | 第17-27页 |
| 2.1 中心性测度算法 | 第17-21页 |
| 2.2 VC维理论 | 第21-22页 |
| 2.3 CUDA概述 | 第22-26页 |
| 2.3.1 CUDA编程模型 | 第23-24页 |
| 2.3.2 CUDA线程 | 第24-25页 |
| 2.3.3 CUDA内存 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 融合局部特征的介数中心性算法 | 第27-53页 |
| 3.1 介数中心性算法 | 第27-29页 |
| 3.2 局部系数 | 第29-32页 |
| 3.2.1 蛋白质相互作用网络的结构分析 | 第29-31页 |
| 3.2.2 局部系数 | 第31-32页 |
| 3.3 融合局部特征的中心性测度算法 | 第32-35页 |
| 3.4 函数F的确定 | 第35-37页 |
| 3.4.1 评价标准 | 第35-36页 |
| 3.4.2 确定函数f的表达式 | 第36-37页 |
| 3.5 预测结果与分析 | 第37-52页 |
| 3.5.1 数据集 | 第37-38页 |
| 3.5.2 六个样本水平评估 | 第38-40页 |
| 3.5.3 统计学性能评估 | 第40-41页 |
| 3.5.4 P-R曲线评估 | 第41-44页 |
| 3.5.5 刀切法评估 | 第44-46页 |
| 3.5.6 LBC与其它测度的差异性评估 | 第46-50页 |
| 3.5.7 综合分析 | 第50-52页 |
| 3.6 本章小结 | 第52-53页 |
| 4 基于抽样和CUDA的LBC算法的实现 | 第53-65页 |
| 4.1 基于抽样的LBC算法的实现 | 第53-59页 |
| 4.1.1 抽样样本大小的确定 | 第53-55页 |
| 4.1.2 抽样LBC算法的实现 | 第55-57页 |
| 4.1.3 试验结果 | 第57-59页 |
| 4.2 基于CUDA的LBC算法的实现 | 第59-64页 |
| 4.2.1 构建并行算法的方法 | 第60页 |
| 4.2.2 LBC算法的并行实现 | 第60-63页 |
| 4.2.3 试验结果 | 第63-64页 |
| 4.3 本章小结 | 第64-65页 |
| 5 总结与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第71-73页 |
| 学位论文数据集 | 第73页 |
