| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第一章 引言 | 第11-17页 |
| ·研究背景 | 第11页 |
| ·生物信息学的应用及展望 | 第11-12页 |
| ·研究目的及现状 | 第12-15页 |
| ·本文研究提纲 | 第15-17页 |
| 第二章 氨基酸序列特征提取算法 | 第17-28页 |
| ·引言 | 第17页 |
| ·蛋白质相关知识 | 第17-20页 |
| ·特征提取算法介绍 | 第20-25页 |
| ·Chou-Fasman 参数 | 第20-22页 |
| ·GOR 方法 | 第22-23页 |
| ·特殊位置得分矩阵（PSSM）算法 | 第23-25页 |
| ·蛋白质二级结构预测方法 | 第25-28页 |
| ·二级结构预测概述 | 第25-26页 |
| ·二级结构预测方法概述 | 第26-28页 |
| 第三章 神经网络及优化方式选择 | 第28-47页 |
| ·引言 | 第28页 |
| ·神经网络简介 | 第28-32页 |
| ·神经网络结构 | 第29页 |
| ·神经网络算法描述 | 第29-30页 |
| ·神经网络的特点 | 第30页 |
| ·神经网络与蛋白质结构预测 | 第30-32页 |
| ·优化算法介绍 | 第32-38页 |
| ·梯度下降优化神经网络模型算法（BP） | 第32-35页 |
| ·粒子群优化算法（PSO） | 第35-37页 |
| ·分布估计算法（EDA） | 第37-38页 |
| ·试验数据集及结果评价方式 | 第38-41页 |
| ·数据集 | 第38-39页 |
| ·分割数据 | 第39-41页 |
| ·预测正确率评价方法 | 第41页 |
| ·网络优化方式比较 | 第41-47页 |
| ·BP 神经网络 | 第41-43页 |
| ·PSO 网络设计 | 第43页 |
| ·EDA 网络设计 | 第43-47页 |
| 第四章 预测模型设计及结果分析 | 第47-64页 |
| ·引言 | 第47页 |
| ·均衡数据法提高预测准确率 | 第47-50页 |
| ·实现方法 | 第48-49页 |
| ·仿真实验 | 第49-50页 |
| ·多层集成分类蛋白质结构预测 | 第50-55页 |
| ·集成网络设计 | 第51-53页 |
| ·结果分析 | 第53-54页 |
| ·问题讨论 | 第54-55页 |
| ·单种串行集成预测方式 | 第55-64页 |
| ·集成预测整体架构图 | 第55-58页 |
| ·二分类算法 | 第58-59页 |
| ·三分类算法 | 第59-64页 |
| 第五章 蛋白质三级结构预测及分层RBF 神经网络介绍 | 第64-81页 |
| ·引言 | 第64-65页 |
| ·蛋白质三级结构预测 | 第65-68页 |
| ·蛋白质三级结构及数据集 | 第65-66页 |
| ·特征提取算法介绍 | 第66-68页 |
| ·HRBF 网络介绍 | 第68-75页 |
| ·RBF 网络 | 第68-70页 |
| ·HRBF 介绍 | 第70-73页 |
| ·试验结果分析 | 第73-75页 |
| ·集成二分法提高蛋白质结构预测 | 第75-81页 |
| ·预测模型结构图 | 第75-77页 |
| ·二分类算法 | 第77-78页 |
| ·四分类集成算法 | 第78-79页 |
| ·结果分析 | 第79-81页 |
| 第六章 结束语 | 第81-83页 |
| ·全文总结 | 第81-82页 |
| ·进一步研发设想 | 第82页 |
| ·心得体会 | 第82-83页 |
| 致谢 | 第83-85页 |
| 参考文献 | 第85-91页 |
| 攻读学位其间发表论文目录 | 第91页 |