| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文主要研究内容与结构安排 | 第13-16页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 本文结构安排 | 第14-16页 |
| 第2章 相关理论基础 | 第16-34页 |
| 2.1 蛋白质结构理论基础 | 第16-26页 |
| 2.1.1 蛋白质的组成与结构 | 第16-19页 |
| 2.1.2 蛋白质三维结构表示及获取方法 | 第19-23页 |
| 2.1.3 蛋白质的二级结构 | 第23-26页 |
| 2.2 常用的蛋白质数据库 | 第26-29页 |
| 2.3 对偶四元数理论概述 | 第29-33页 |
| 2.3.1 四元数定义与运算法则 | 第29-32页 |
| 2.3.2 对偶数定义与运算法则 | 第32页 |
| 2.3.3 对偶四元数定义与运算法则 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于对偶四元数的蛋白质特征提取方法 | 第34-47页 |
| 3.1 蛋白质二级结构检测传统方法 | 第34-36页 |
| 3.2 蛋白质二级结构描述的对偶四元数方法 | 第36-41页 |
| 3.2.1 蛋白质序列的对偶四元数表示 | 第36页 |
| 3.2.2 原子坐标系的构建 | 第36-38页 |
| 3.2.3 原子坐标系序列的对偶四元数距离 | 第38-39页 |
| 3.2.4 蛋白质序列和空间邻域特征提取及融合 | 第39-41页 |
| 3.3 方法验证及结果分析 | 第41-46页 |
| 3.3.1 蛋白质几何特征分析 | 第41-43页 |
| 3.3.2 蛋白质实例(1A6Z)验证 | 第43-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于机器学习的蛋白质二级结构检测 | 第47-63页 |
| 4.1 蛋白质二级结构分类问题描述 | 第47-48页 |
| 4.2 机器学习分类算法 | 第48-51页 |
| 4.2.1 支持向量机 | 第48-49页 |
| 4.2.2 随机森林 | 第49-50页 |
| 4.2.3 反向传播神经网络 | 第50-51页 |
| 4.3 分类器模型及性能评估 | 第51-56页 |
| 4.3.1 数据集的构建 | 第51-52页 |
| 4.3.2 不同分类器检测精度比较 | 第52-54页 |
| 4.3.3 分类器模型检验及性能评价 | 第54-56页 |
| 4.4 蛋白质标准数据集实验结果与分析 | 第56-62页 |
| 4.4.1 不同结构分辨率数据集检测结果比较 | 第56-58页 |
| 4.4.2 数据集PDBSELECT25检测结果比较 | 第58-62页 |
| 4.5 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第70-71页 |
| 致谢 | 第71页 |