基于多种特征的低序列相似性蛋白质结构类预测
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要内容及结构安排 | 第13-15页 |
| 第二章 基准数据集的构建及不同的特征提取方法 | 第15-25页 |
| 2.1 蛋白质基准数据集的构建 | 第15-16页 |
| 2.2 蛋白质结构类的特征提取方法 | 第16-24页 |
| 2.2.1 三肽组成 | 第17-18页 |
| 2.2.2 位置特异性矩阵得分矩阵 | 第18-21页 |
| 2.2.3 预测蛋白质二级结构信息 | 第21-24页 |
| 2.2.4 平均化学位移 | 第24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 蛋白质结构类特征选择及特征的融合 | 第25-29页 |
| 3.1 特征筛选 | 第25-27页 |
| 3.1.1 二项分布 | 第25-26页 |
| 3.1.2 方差分析 | 第26-27页 |
| 3.2 特征融合 | 第27-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第四章 分类算法及性能评估 | 第29-38页 |
| 4.1 分类算法 | 第29-30页 |
| 4.1.1 支持向量机 | 第29-30页 |
| 4.2 其他分类算法 | 第30-33页 |
| 4.2.1 J48 | 第30页 |
| 4.2.2 朴素贝叶斯 | 第30-31页 |
| 4.2.3 人工神经网络 | 第31-32页 |
| 4.2.4 元算法 | 第32-33页 |
| 4.2.5 随机森林 | 第33页 |
| 4.3 LIBSVM软件包和Weka数据挖掘平台 | 第33-36页 |
| 4.3.1 LIBSVM软件包 | 第33-35页 |
| 4.3.2 Weka软件 | 第35-36页 |
| 4.4 性能评估 | 第36-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第五章 蛋白质结构类预测的结果与讨论 | 第38-47页 |
| 5.1 结果 | 第38-45页 |
| 5.1.1 交叉验证 | 第38-39页 |
| 5.1.2 参数优化结果 | 第39-42页 |
| 5.1.3 预测精度 | 第42-45页 |
| 5.2 与其他算法的对比 | 第45-46页 |
| 5.2.1 与其他特征提取算法的对比 | 第45页 |
| 5.2.2 与其他分类算法的对比 | 第45-46页 |
| 5.3 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 本文工作 | 第47-48页 |
| 6.2 未来展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-56页 |
| 攻读硕士期间研究成果 | 第56页 |
