首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于机器学习的多聚脯氨酸二型结构预测

摘要第1-4页
Abstract第4-8页
第一章 绪论第8-16页
   ·生物信息学第8页
   ·蛋白质结构第8-11页
     ·多聚脯氨酸二型螺旋结构第9-10页
     ·PPII螺旋结构特性第10-11页
   ·蛋白质结构预测第11-12页
     ·蛋白质结构预测的意义与依据第11页
     ·蛋白质二级结构预测第11-12页
     ·PPII螺旋结构预测现状第12页
   ·相关数据库第12-14页
     ·蛋白质数据库概述第12-13页
     ·蛋白质结构数据库第13页
     ·PISCES服务器第13-14页
   ·本论文的主要研究内容第14页
 参考文献第14-16页
第二章 机器学习系统第16-24页
   ·机器学习第16-17页
     ·学习系统的基本结构第16页
     ·学习问题的界定第16-17页
   ·机器学习方法第17-19页
     ·从数据库中发现知识(KDD)第17页
     ·人工神经网络(ANN)第17-18页
     ·支持向量机(SVM)第18页
     ·贝叶斯网络(BBN)第18页
     ·遗传算法(GA)第18页
     ·聚类第18-19页
   ·输入/输出编码第19-20页
     ·输入编码第19-20页
       ·直接编码第19-20页
       ·间接编码第20页
     ·输出编码第20页
   ·预测的性能评价方法第20-22页
 参考文献:第22-24页
第三章 蛋白质序列的预处理第24-34页
   ·蛋白质实体提取第24-25页
   ·PPII螺旋结构定义与提取第25-28页
     ·DSSP程序简介第25页
     ·PPII螺旋结构定义第25-26页
     ·PPII螺旋结构的提取第26-28页
   ·数据集分析第28-31页
     ·PPII螺旋结构特征分析第28-30页
     ·数据集可学习性分析第30-31页
   ·本章小结第31-32页
 参考文献:第32-34页
第四章 基于人工神经网络的PPII螺旋结构预测第34-46页
   ·引言第34页
   ·BP网络模型第34-37页
     ·BP算法步骤第34-36页
     ·BP算法参数第36-37页
   ·BP网络预测第37-44页
     ·编码方法第37-38页
     ·预测性能评价方法第38页
     ·实验与结果分析第38-44页
   ·本章小结第44页
 参考文献:第44-46页
第五章 基于遗传神经网络的PPII螺旋结构预测第46-56页
   ·引言第46页
   ·遗传算法第46-47页
     ·遗传算法的基本原理第46-47页
     ·遗传算法的步骤第47页
   ·遗传神经网络设计第47-53页
     ·遗传神经网络流程第47-48页
     ·编码方法第48-49页
     ·适应度函数的确定第49页
     ·遗传算子的确定第49-51页
     ·控制参数的确定第51-52页
     ·实验方案第52-53页
   ·实验结果与分析第53-54页
   ·本章小结第54页
 参考文献:第54-56页
第六章 基于支持向量机的PPII螺旋结构预测第56-68页
   ·引言第56页
   ·支持向量机理论第56-61页
     ·线性支持向量机第56-58页
     ·非线性支持向量机第58-59页
     ·不可分情况的处理第59-60页
     ·支持向量机的主要优点第60-61页
   ·问题描述与优化算法第61-63页
     ·问题描述第61页
     ·优化算法的选取第61-62页
     ·SMO算法步骤第62-63页
   ·实验结果与分析第63-66页
     ·采用Matlab中qp()程序包作为SVM的优化方法第63-64页
     ·采用SMO作为SVM的优化方法第64-65页
     ·结果比较第65-66页
   ·本章小结第66页
 参考文献:第66-68页
第七章 总结与展望第68-70页
   ·总结第68-69页
   ·展望第69-70页
附录1 氨基酸表第70-71页
附录2 PPII螺旋结构的残基序列片段第71-75页
附录3 缩写表第75-76页
附录4 读研期间发表和收录的学术论文第76-77页
致谢第77页

论文共77页,点击 下载论文
上一篇:感染性休克时Alpha-肾上腺素受体基因表达改变的机制及抗氧化剂的治疗作用
下一篇:高等教育大众化进程中的民办高等教育发展研究