基于人工神经网络的必需基因预测研究
| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-12页 |
| ·生物信息学简介 | 第7-8页 |
| ·必需基因简介 | 第8-11页 |
| ·必需基因的概念及研究意义 | 第8-9页 |
| ·必需基因的国内外研究进展 | 第9-11页 |
| ·本文主要工作 | 第11-12页 |
| 第二章 BP网络 | 第12-24页 |
| ·人工神经网络理论 | 第12-15页 |
| ·人工神经元的模型 | 第12-13页 |
| ·传递函数的类型 | 第13-15页 |
| ·BP网络 | 第15-23页 |
| ·BP算法基本原理 | 第16-21页 |
| ·BP网络学习过程的具体步骤 | 第21-23页 |
| ·BP网络的缺点 | 第23页 |
| ·本章总结 | 第23-24页 |
| 第三章 支持向量机 | 第24-32页 |
| ·支持向量机基本原理 | 第24-25页 |
| ·支持向量机基本方法 | 第25-28页 |
| ·C-SVM算法 | 第25-28页 |
| ·加权支持机基本方法 | 第28-30页 |
| ·支持向量机的核函数 | 第30-31页 |
| ·支持向量机的缺点 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第四章 实验模型 | 第32-45页 |
| ·数据准备 | 第32-37页 |
| ·数据选择 | 第32-33页 |
| ·数据清理 | 第33-36页 |
| ·维归约 | 第36-37页 |
| ·BP网络的模型 | 第37-39页 |
| ·隐含层数的选取 | 第37页 |
| ·隐含层节点数的选取 | 第37-38页 |
| ·传递函数的选取 | 第38页 |
| ·学习效率的选取 | 第38页 |
| ·训练次数的选取 | 第38-39页 |
| ·学习函数的选取 | 第39页 |
| ·支持向量机的模型 | 第39-44页 |
| ·构建支持向量机模型 | 第40-42页 |
| ·核函数参数的选取 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 实验结果分析 | 第45-60页 |
| ·BP网络模型应用于必需基因分类 | 第45-54页 |
| ·网络的初始权值、输入和期望输出的选择 | 第45-46页 |
| ·结果分析 | 第46-54页 |
| ·支持向量机应用于必需基因分类 | 第54-58页 |
| ·验证方法 | 第54-55页 |
| ·结果分析 | 第55-58页 |
| ·结果比较 | 第58-59页 |
| ·本章总结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 摘要 | 第64-67页 |
| Abstract | 第67-70页 |
| 致谢 | 第70-71页 |
| 导师及作者简介 | 第71页 |
