| 提要 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-22页 |
| ·课题背景及意义 | 第11-17页 |
| ·蛋白质功能预测国内外研究现状 | 第17-20页 |
| ·论文组织结构 | 第20-22页 |
| 第2章 蛋白质功能预测的机器学习与融合方法 | 第22-40页 |
| ·FunCat 和 GO 蛋白质功能注释系统 | 第22-24页 |
| ·FunCat 注释系统 | 第22-23页 |
| ·GO 注释系统 | 第23-24页 |
| ·常用蛋白质功能预测机器学习方法 | 第24-30页 |
| ·支持向量机 | 第24-26页 |
| ·决策树 | 第26-27页 |
| ·贝叶斯分类 | 第27-29页 |
| ·K 均值聚类 | 第29-30页 |
| ·数据融合 | 第30-35页 |
| ·数据融合层次 | 第30-32页 |
| ·数据融合模型 | 第32-34页 |
| ·数据融合与生物信息学 | 第34-35页 |
| ·多分类器集成 | 第35-39页 |
| ·多分类器集成方法 | 第36-37页 |
| ·分类器多样性的度量 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第3章 基于模糊积分的蛋白质功能预测 | 第40-49页 |
| ·预备知识 | 第40-44页 |
| ·模糊测度 | 第40-41页 |
| ·模糊积分 | 第41-42页 |
| ·粒子群算法 | 第42-44页 |
| ·基于模糊积分的蛋白质功能预测 | 第44-47页 |
| ·gλ模糊测度的确定 | 第44页 |
| ·算法实现流程 | 第44-46页 |
| ·预测效果的验证和评价 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第4章 实验和结果分析 | 第49-61页 |
| ·数据源收集和处理 | 第49-52页 |
| ·PPI 数据 | 第49-50页 |
| ·Blast 数据 | 第50-51页 |
| ·Domain 和 HMM_logE 数据 | 第51页 |
| ·Exp 数据 | 第51-52页 |
| ·融合数据集 | 第52页 |
| ·标准样本集的选取 | 第52页 |
| ·预测功能类 | 第52-53页 |
| ·参数设定 | 第53-54页 |
| ·实验结果分析 | 第54-59页 |
| ·基于模糊积分的异源生物数据融合的蛋白质功能预测 | 第54-56页 |
| ·Choquet 异源生物数据融合与基于单数据源方法的比较 | 第56-58页 |
| ·交互信息对 Choquet 异源生物数据融合效果的影响 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第5章 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·下一步工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 作者简介及在学期间所取得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |