基于计算智能技术的蛋白质结构预测方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-29页 |
| ·研究背景 | 第12-14页 |
| ·蛋白质结构基础知识 | 第14-18页 |
| ·蛋白质的组成 | 第14-16页 |
| ·蛋白质的结构 | 第16-18页 |
| ·蛋白质结构预测研究 | 第18-25页 |
| ·蛋白质数据库介绍 | 第25-27页 |
| ·论文的组织结构 | 第27-29页 |
| 第2章 计算智能技术理论基础 | 第29-41页 |
| ·计算智能技术 | 第29-30页 |
| ·人工神经网络 | 第30-33页 |
| ·神经元结构模型 | 第30-31页 |
| ·BP 神经网络结构及学习方法 | 第31-33页 |
| ·模拟退火算法 | 第33-36页 |
| ·模拟退火算法运行过程 | 第33-34页 |
| ·模拟退火算法参数设定方法 | 第34-36页 |
| ·量子遗传算法 | 第36-40页 |
| ·量子计算基础知识 | 第36-38页 |
| ·量子遗传算法 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第3章 蛋白质折叠结构预测 | 第41-72页 |
| ·离散型蛋白质折叠结构预测 | 第41-56页 |
| ·蛋白质HP 格点模型 | 第42-46页 |
| ·问题的提出 | 第46页 |
| ·基于量子遗传算法的HP 格点模型预测 | 第46-53页 |
| ·实验与结果分析 | 第53-56页 |
| ·连续型蛋白质折叠结构预测 | 第56-71页 |
| ·蛋白质HP 非格点模型 | 第57-60页 |
| ·问题的提出 | 第60-61页 |
| ·相关研究基础 | 第61-65页 |
| ·基于混合优化策略的HP 非格点模型预测 | 第65-68页 |
| ·实验与结果分析 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 第4章 蛋白质填充结构预测 | 第72-88页 |
| ·蛋白质填充结构预测研究现状 | 第72-75页 |
| ·问题的提出 | 第75-76页 |
| ·相关研究基础 | 第76-79页 |
| ·粒度计算基础理论 | 第76-77页 |
| ·K-means 聚类算法 | 第77-78页 |
| ·最近邻算法 | 第78-79页 |
| ·基于样本选择的蛋白质填充结构预测 | 第79-85页 |
| ·蛋白质属性选取及编码方式 | 第80-82页 |
| ·样本数据分组策略 | 第82-83页 |
| ·基于最近邻算法的样本选择方法 | 第83-85页 |
| ·实验与结果分析 | 第85-87页 |
| ·本章小结 | 第87-88页 |
| 第5章 蛋白质二硫键结构预测 | 第88-103页 |
| ·蛋白质二硫键结构预测研究现状 | 第88-90页 |
| ·问题的提出 | 第90-91页 |
| ·相关研究基础 | 第91-96页 |
| ·完全信息集和FDOD 函数 | 第91-93页 |
| ·分类器融合算法 | 第93-96页 |
| ·基于分类器融合的蛋白质二硫键结构预测 | 第96-100页 |
| ·基于FDOD 函数的蛋白质二硫键结构分类器 | 第97-98页 |
| ·基于蛋白质序列的蛋白质二硫键结构分类器 | 第98-99页 |
| ·基于蛋白质属性的蛋白质二硫键结构分类器 | 第99-100页 |
| ·实验与结果分析 | 第100-102页 |
| ·本章小结 | 第102-103页 |
| 结论 | 第103-105页 |
| 参考文献 | 第105-115页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第115-117页 |
| 致谢 | 第117-118页 |
| 个人简历 | 第118页 |
