| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·论文的研究背景 | 第8-10页 |
| ·论文的内容及结构 | 第10-11页 |
| 2 蛋白质二级结构预测 | 第11-17页 |
| ·后基因时代的生物信息学 | 第11页 |
| ·蛋白质的结构 | 第11-12页 |
| ·蛋白质二级结构预测 | 第12-13页 |
| ·蛋白质二级结构预测的研究意义 | 第13-14页 |
| ·蛋白质二级结构预测方法 | 第14-17页 |
| 3 改进遗传算法的径向基函数网络方法 | 第17-55页 |
| ·径向基函数网络及其结构 | 第17-21页 |
| ·神经网络结构 | 第17-19页 |
| ·径向基函数网络 | 第19页 |
| ·径向基函数网络的结构 | 第19-21页 |
| ·径向基函数网络的相关理论 | 第21-29页 |
| ·径向基函数网络的学习 | 第21-22页 |
| ·径向基函数网络的函数逼近理论 | 第22-24页 |
| ·径向基函数网络的可行解 | 第24-29页 |
| ·遗传算法 | 第29-52页 |
| ·遗传算法的基本概念 | 第29-37页 |
| ·遗传算法的基本步骤 | 第37-38页 |
| ·遗传算法的理论基础 | 第38-41页 |
| ·遗传算法的收敛性分析 | 第41-51页 |
| ·遗传算法的特点以及不足 | 第51-52页 |
| ·自适应遗传算法(AGA)基本原理 | 第52-55页 |
| ·自适应的交叉概率和变异概率 | 第53-54页 |
| ·改进的自适应交叉概率和变异概率 | 第54-55页 |
| 4 基于改进遗传算法的径向基函数网络 | 第55-68页 |
| ·MATLAB/Neural Network Toolbox中径向基函数网络 | 第55-60页 |
| ·径向基函数网络中心的选取 | 第60-63页 |
| ·K-最近邻(K-NN)算法 | 第60-61页 |
| ·K-均值(K-Means)算法 | 第61-62页 |
| ·遗传算法选取中心 | 第62页 |
| ·自适应遗传算法寻优中心 | 第62-63页 |
| ·神经网络权值的确定 | 第63页 |
| ·遗传算法优化径向基函数网络结构 | 第63-68页 |
| ·遗传算法同时优化中心和隐节点数目 | 第64-66页 |
| ·变长度染色体遗传算法 | 第66页 |
| ·遗传算法优化中心、宽度、结构以及权值 | 第66-68页 |
| 5 蛋白质序列相关问题 | 第68-75页 |
| ·序列编码问题 | 第68-70页 |
| ·生物信息数据库 | 第70页 |
| ·蛋白质数据库 | 第70-73页 |
| ·数据来源以及数据结构 | 第73-75页 |
| 6 算法运行结果及分析 | 第75-82页 |
| ·神经网络模型 | 第75-76页 |
| ·网络设计和预测精度的衡量 | 第76-82页 |
| 结论与展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-88页 |
| 附录 | 第88-97页 |