基于BP神经网络的必需基因的预测与分析
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 引言 | 第9-11页 |
| 1.1.1 生物信息学及其研究内容 | 第9-11页 |
| 1.1.2 必需基因预测的重要性 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 实验方法预测必需基因 | 第11-12页 |
| 1.2.2 理论预测必需基因 | 第12-14页 |
| 1.3 本文研究的主要内容 | 第14-15页 |
| 1.4 文章组织结构 | 第15页 |
| 1.5 本章小节 | 第15-17页 |
| 2 必需基因预测的方法 | 第17-23页 |
| 2.1 必需基因预测的介绍 | 第17-18页 |
| 2.2 归一化 | 第18-19页 |
| 2.3 数据平衡 | 第19-20页 |
| 2.4 性能评估 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 基于序列特征的预测 | 第23-61页 |
| 3.1 特征介绍 | 第23-28页 |
| 3.1.1 序列特征 | 第23页 |
| 3.1.2 密码子偏好 | 第23-24页 |
| 3.1.3 氨基酸组成 | 第24-25页 |
| 3.1.4 氨基酸物理化学特征 | 第25-26页 |
| 3.1.5 氨基酸跨膜螺旋特征 | 第26页 |
| 3.1.6 蛋白质亚细胞定位 | 第26-27页 |
| 3.1.7 Hurst指数 | 第27-28页 |
| 3.2 数据准备 | 第28-31页 |
| 3.3 BP神经网络 | 第31-39页 |
| 3.3.1 BP网络的介绍 | 第32-33页 |
| 3.3.2 BP网络模型及原理 | 第33-35页 |
| 3.3.3 BP网络的设计 | 第35-39页 |
| 3.3.4 BP网络的缺点及改进 | 第39页 |
| 3.4 模型构建及参数选择 | 第39-43页 |
| 3.5 四种实验形式下的预测结果与分析 | 第43-47页 |
| 3.6 基于PCA的特征提取 | 第47-50页 |
| 3.7 基于WPCA的特征选择 | 第50-59页 |
| 3.8 本章小结 | 第59-61页 |
| 4 基于文本分类方法提取特征的预测 | 第61-73页 |
| 4.1 文本分类的介绍 | 第61-62页 |
| 4.2 基于文本分类的特征生成 | 第62-67页 |
| 4.2.1 表示单元 | 第62-64页 |
| 4.2.2 表示模型 | 第64页 |
| 4.2.3 特征选择方法 | 第64-66页 |
| 4.2.4 权重生成方法 | 第66-67页 |
| 4.3 方法的选择 | 第67-69页 |
| 4.4 预测结果与分析 | 第69-72页 |
| 4.5 本章小节 | 第72-73页 |
| 5 工作总结及展望 | 第73-75页 |
| 5.1 工作总结 | 第73-74页 |
| 5.2 研究展望 | 第74-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 附录 | 第83页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第83页 |
| B. 作者在攻读硕士学位期间参加的科研项目 | 第83页 |
