基于失衡数据挖掘的药物靶点预测方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究的目的与意义 | 第11-12页 |
| 1.2 预测药物靶点的研究状况 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 本课题研究的主要内容 | 第15-17页 |
| 1.3.1 课题来源 | 第15页 |
| 1.3.2 课题的主要研究内容 | 第15-17页 |
| 第2章 基于数据挖掘预测的药物靶点数据失衡问题 | 第17-29页 |
| 2.1 数据挖掘技术 | 第17-22页 |
| 2.1.1 数据挖掘主要研究内容 | 第18页 |
| 2.1.2 数据挖掘的常用方法 | 第18-21页 |
| 2.1.3 数据挖掘发展趋势 | 第21-22页 |
| 2.2 失衡数据集概述 | 第22-24页 |
| 2.2.1 失衡数据集分类问题概述 | 第22-23页 |
| 2.2.2 解决失衡数据集分类问题的主要方法 | 第23-24页 |
| 2.3 药物靶点及其数据的失衡问题 | 第24-28页 |
| 2.3.1 药物靶点的概念及其种类 | 第24-26页 |
| 2.3.2 药物靶点的主流数据库 | 第26-28页 |
| 2.3.3 药物靶点数据的失衡问题 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 改进的少数类样本合成过采样技术 | 第29-36页 |
| 3.1 数据重采样方法 | 第29页 |
| 3.2 少数类样本合成过采样技术 | 第29-30页 |
| 3.3 遗传算法 | 第30-32页 |
| 3.4 改进的基于遗传算法的SMOTE算法 | 第32-35页 |
| 3.4.1 选择算子 | 第32-33页 |
| 3.4.2 交叉算子 | 第33页 |
| 3.4.3 变异算子 | 第33-34页 |
| 3.4.4 改进的SMOTE算法 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于集成学习的药物靶点预测方法 | 第36-51页 |
| 4.1 支持向量机 | 第36-40页 |
| 4.1.1 支持向量机原理 | 第36-38页 |
| 4.1.2 常用核函数 | 第38-40页 |
| 4.2 集成学习方法 | 第40-42页 |
| 4.2.1 集成学习的基本概念 | 第40-41页 |
| 4.2.2 分类器集成的主要算法 | 第41-42页 |
| 4.3 实验验证与分析 | 第42-50页 |
| 4.3.1 实验数据选取与处理 | 第42-44页 |
| 4.3.2 提取蛋白质数据特征 | 第44-46页 |
| 4.3.3 实验评价指标 | 第46-47页 |
| 4.3.4 实验结果与分析 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 攻读硕士学位期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |
