| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-15页 |
| 1 选题背景、目的与意义 | 第11-12页 |
| 2 支持向量机理论 | 第12-15页 |
| ·ERM原则与过拟合 | 第12-13页 |
| ·VC维与SRM原则 | 第13页 |
| ·小样本与转导推理 | 第13-14页 |
| ·核函数 | 第14页 |
| ·SVM的优点 | 第14-15页 |
| 第二章 基于地统计学的个体化QSAR建模 | 第15-23页 |
| 1 前言 | 第15-16页 |
| 2 Weight-PCA-GS-SVR建模过程 | 第16-19页 |
| ·PCA | 第16页 |
| ·非线性筛选主成分与保留主成分非线性加权 | 第16-17页 |
| ·高维地统计学确定变程 | 第17-18页 |
| ·基于变程a和SVR的个体化预测 | 第18页 |
| ·SVR与核函数 | 第18页 |
| ·预测评价指标与参比模型 | 第18-19页 |
| 3 实例分析 | 第19-20页 |
| 4 结果与讨论 | 第20-21页 |
| 5 结论 | 第21-23页 |
| 第三章 基于互作转换的蝶类识别 | 第23-30页 |
| 1 前言 | 第23页 |
| 2 数据与方法 | 第23-26页 |
| ·数据集 | 第23页 |
| ·初始样本互作转换 | 第23-24页 |
| ·LIBSVM 2.8软件包与SVC | 第24页 |
| ·可交换核函数 | 第24页 |
| ·非线性特征筛选 | 第24-25页 |
| ·独立预测与简单投票决策 | 第25-26页 |
| ·聚类分析 | 第26页 |
| 3 结果与分析 | 第26-28页 |
| ·种阶元自动鉴别结果 | 第26页 |
| ·聚类分析结果 | 第26-27页 |
| ·科阶元自动鉴别结果 | 第27-28页 |
| 4 讨论 | 第28-30页 |
| 第四章 基于多尺度组分与特征汰选的蛋白质O-糖基化位点预测 | 第30-37页 |
| 1 前言 | 第30-31页 |
| 2 数据与方法 | 第31-33页 |
| ·正样本数据集 | 第31页 |
| ·负样本数据集 | 第31页 |
| ·支持向量机 | 第31页 |
| ·十次交义验证 | 第31-32页 |
| ·评价指标 | 第32页 |
| ·多尺度组分特征编码(MSCAA) | 第32页 |
| ·特征汰选 | 第32-33页 |
| 3 结果与分析 | 第33-35页 |
| ·不同模型预测结果 | 第33-34页 |
| ·特征选择模型ROC曲线比较 | 第34-35页 |
| 4 讨论 | 第35-37页 |
| 第五章 总结与展望 | 第37-39页 |
| 1 总结 | 第37-38页 |
| 2 展望 | 第38-39页 |
| 参考文献 | 第39-46页 |
| 致谢 | 第46-47页 |
| 作者简介 | 第47页 |