蛋白质序列的并行分类方法研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-18页 |
| ·引言 | 第9-10页 |
| ·研究背景 | 第10-15页 |
| ·蛋白质序列与结构 | 第10-12页 |
| ·蛋白质分类的国内外进展 | 第12-15页 |
| ·本文主要研究工作与创新点 | 第15-16页 |
| ·论文结构 | 第16-18页 |
| 第二章 远同源检测算法与支持向量机理论 | 第18-32页 |
| ·双序列比对算法 | 第18-23页 |
| ·全局比对算法 | 第20-21页 |
| ·局部比对算法 | 第21-22页 |
| ·启发式算法 | 第22-23页 |
| ·基于统计剖面的生成模型 | 第23-25页 |
| ·基于判别模型的远同源检测 | 第25-26页 |
| ·支持向量机理论 | 第26-31页 |
| ·最大边缘超平面 | 第26-27页 |
| ·结构风险最小化 | 第27页 |
| ·支持向量机 | 第27-31页 |
| ·小结 | 第31-32页 |
| 第三章 基于远同源检测的蛋白质序列分类 | 第32-48页 |
| ·核技术与核函数 | 第32-33页 |
| ·剖面内核的蛋白质远同源检测算法 | 第33-41页 |
| ·基于统计剖面的核函数 | 第34-36页 |
| ·半监督学习分析 | 第36-37页 |
| ·基于树的内核矩阵 | 第37-38页 |
| ·优化支持向量机 | 第38-41页 |
| ·数据集 | 第41-43页 |
| ·数据集的选取 | 第41页 |
| ·数据集的构建 | 第41-43页 |
| ·实验与分析 | 第43-47页 |
| ·算法性能评估指标 | 第43-45页 |
| ·实验环境 | 第45页 |
| ·结果与讨论 | 第45-47页 |
| ·小结 | 第47-48页 |
| 第四章 基于多类SVM的蛋白质序列并行分类算法 | 第48-64页 |
| ·多类SVM分类器 | 第48-52页 |
| ·加权一对多算法 | 第50-51页 |
| ·权重学习 | 第51-52页 |
| ·并行算法设计 | 第52-55页 |
| ·算法分析 | 第52-53页 |
| ·基于主从模型的并行算法 | 第53-55页 |
| ·基于多类SVM的蛋白质序列并行分类 | 第55-58页 |
| ·实验与分析 | 第58-63页 |
| ·数据集与实验环境 | 第58-60页 |
| ·并行性能评价 | 第60-61页 |
| ·结果与讨论 | 第61-63页 |
| ·小结 | 第63-64页 |
| 第五章 基于组合分类器的蛋白质序列并行分类算法 | 第64-82页 |
| ·组合分类策略 | 第64-65页 |
| ·最近邻算法 | 第65-70页 |
| ·位点特异性反复比对 | 第66页 |
| ·特定位点评分矩阵 | 第66-68页 |
| ·比对结果评估 | 第68-70页 |
| ·基于组合分类器的蛋白质序列并行分类 | 第70-75页 |
| ·两级任务池模型 | 第70-72页 |
| ·组合分类器并行分类算法描述 | 第72-75页 |
| ·参数优化 | 第75-76页 |
| ·实验与分析 | 第76-81页 |
| ·实验环境 | 第76-77页 |
| ·结果与讨论 | 第77-81页 |
| ·小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-85页 |
| ·本文总结 | 第82-83页 |
| ·研究展望 | 第83-85页 |
| 参考文献 | 第85-93页 |
| 发表论文和科研情况说明 | 第93-94页 |
| 致谢 | 第94页 |
