| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-19页 |
| ·论文的研究背景 | 第13-17页 |
| ·论文主要内容 | 第17-18页 |
| ·论文的主要创新点 | 第18页 |
| ·论文的章节安排 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第二章 背景知识 | 第19-24页 |
| ·生物信息学简介 | 第19-20页 |
| ·信息科学时代的生物信息学 | 第20页 |
| ·机器学习技术及其在生物信息学中的应用 | 第20-23页 |
| ·机器学习技术 | 第20-23页 |
| ·机器学习技术在生物信息学中的应用 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第三章 系统框架性设计与数据预处理 | 第24-29页 |
| ·系统框架性设计 | 第24-25页 |
| ·实验数据来源和实验数据预处理 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 蛋白质数据库及蛋白质相互作用数据管理工具设计 | 第29-39页 |
| ·常用的蛋白质序列及蛋白质相互作用数据库 | 第29-33页 |
| ·DIP 数据库 | 第29-30页 |
| ·INTACT 数据库 | 第30-31页 |
| ·SWISS-PROT 数据库 | 第31-32页 |
| ·PIR 数据库 | 第32-33页 |
| ·蛋白质相互作用数据管理平台设计 | 第33-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 蛋白质序列特征向量 | 第39-44页 |
| ·特征向量 | 第39-43页 |
| ·K-Length Count (KLC) | 第40-41页 |
| ·K-Nearest-Neighbor（KNN） | 第41-42页 |
| ·Bio-similarity（BIO） | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第六章 支持向量机(SVM)与组合分类器结构 | 第44-52页 |
| ·支持向量机 | 第44-49页 |
| ·支持向量机的背景理论基础 | 第44页 |
| ·线性判别函数和分类面 | 第44-45页 |
| ·支持向量机 | 第45-47页 |
| ·Libsvm | 第47-49页 |
| ·组合分类器结构 | 第49-51页 |
| ·组合分类器的基本结构 | 第49-50页 |
| ·组合分类器决策 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第七章 算法结论和分析 | 第52-56页 |
| ·课题数据选择 | 第52页 |
| ·算法评价标准 | 第52-53页 |
| ·数据结论 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第八章 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 部分课题算法实现程序 | 第58-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 在学期间的研究成果及发表的学术论文 | 第80页 |