摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
符号对照表 | 第12-13页 |
缩略语对照表 | 第13-17页 |
第一章 绪论 | 第17-27页 |
1.1 引言 | 第17-18页 |
1.2 研究背景及研究意义 | 第18-22页 |
1.3 国内外研究现状 | 第22-25页 |
1.4 本文的主要内容和结构安排 | 第25-27页 |
第二章 支持向量机模型的构建及预测性能的检验和评估 | 第27-39页 |
2.1 支持向量机 | 第27-35页 |
2.1.1 最优分类面 | 第27-32页 |
2.1.2 支持向量机模型的建立 | 第32-35页 |
2.2 模型的检验和性能评价指标 | 第35-39页 |
2.2.1 模型检验方法 | 第35-36页 |
2.2.2 性能评价指标 | 第36-39页 |
第三章 基于一致序列和分段PSSM的蛋白质结构类预测 | 第39-53页 |
3.1 引言 | 第39-40页 |
3.2 数据集 | 第40页 |
3.3 特征提取方法 | 第40-46页 |
3.3.1 基于NCBI的NR数据库的位置特异性打分矩阵 | 第40-41页 |
3.3.2 基于PSSM上的一致序列 | 第41-42页 |
3.3.3 基于分段PSSM上的PsePSSM | 第42-43页 |
3.3.4 基于分段PSSM上的自协方差变换 | 第43-44页 |
3.3.5 主成分分析法 | 第44-46页 |
3.4 实验结果与讨论 | 第46-52页 |
3.4.1 基准数据集上的预测性能 | 第47-48页 |
3.4.2 PCA降维前后预测精度比较 | 第48页 |
3.4.3 特征组的贡献分析 | 第48-49页 |
3.4.4 与其它预测方法的比较 | 第49-52页 |
3.5 本章小结 | 第52-53页 |
第四章 基于被预测的二级结构序列和PSSM的蛋白质结构类预测 | 第53-67页 |
4.1 引言 | 第53-54页 |
4.2 数据集 | 第54页 |
4.3 特征提取方法 | 第54-60页 |
4.3.1 LZ复杂度 | 第54-56页 |
4.3.2 基于被预测的蛋白质二级结构序列的分析 | 第56-57页 |
4.3.3 基于PSSM上的自互相关分析 | 第57-58页 |
4.3.4 非负矩阵分解算法 | 第58-60页 |
4.4 实验结果与讨论 | 第60-66页 |
4.4.1 分解秩r的选择 | 第60-61页 |
4.4.2 NMF和PCA降维效果比较 | 第61页 |
4.4.3 基准数据集上的预测性能 | 第61-63页 |
4.4.4 特征组的贡献分析 | 第63-64页 |
4.4.5 与其它预测方法的比较 | 第64-66页 |
4.5 本章小结 | 第66-67页 |
第五章 基于非重叠窗口的DCCA系数的凋亡蛋白亚细胞定位预测 | 第67-79页 |
5.1 引言 | 第67-68页 |
5.2 数据集 | 第68页 |
5.3 特征提取方法 | 第68-72页 |
5.3.1 基于SWISS-PROT数据库的位置特异性打分矩阵 | 第69页 |
5.3.2 基于PSSM上非重叠窗口的去趋势互相关系数 | 第69-72页 |
5.4 实验结果和讨论 | 第72-77页 |
5.4.1 平均窗口长度s的选择 | 第72-74页 |
5.4.2 基准数据集上的预测性能 | 第74-75页 |
5.4.3 DCCA系数与DFA和DCCA方法预测精度比较 | 第75-76页 |
5.4.4 与其它预测方法的比较 | 第76-77页 |
5.5 本章小结 | 第77-79页 |
第六章 基于Geary自相关和重叠窗口的DCCA系数的凋亡蛋白亚细胞定位预测 | 第79-93页 |
6.1 引言 | 第79页 |
6.2 数据集 | 第79-80页 |
6.3 特征提取方法 | 第80-84页 |
6.3.1 基于PSSM上的Geary自相关函数 | 第80-81页 |
6.3.2 基于PSSM上重叠窗口的去趋势互相关系数 | 第81-84页 |
6.4 实验结果和讨论 | 第84-91页 |
6.4.1 自相关因子中参数lag的选择 | 第84-85页 |
6.4.2 平均窗口长度中参数s的选择 | 第85-86页 |
6.4.3 基准数据集上的预测性能 | 第86-88页 |
6.4.4 特征组的贡献分析 | 第88-89页 |
6.4.5 与其它预测方法的比较 | 第89-91页 |
6.5 本章小结 | 第91-93页 |
第七章 结束语 | 第93-97页 |
参考文献 | 第97-109页 |
致谢 | 第109-111页 |
作者简介 | 第111-113页 |