| 摘要 | 第1-12页 |
| Abstract | 第12-14页 |
| 第一章 绪论 | 第14-22页 |
| §1.1 研究背景 | 第14-18页 |
| ·后基因组时代的生物信息学 | 第14-15页 |
| ·国内外生物信息学研究现状 | 第15-17页 |
| ·当前生物信息学研究的热点领域 | 第17-18页 |
| §1.2 论文的主要工作与创新 | 第18-20页 |
| §1.3 论文结构 | 第20-22页 |
| 第二章 蛋白质结构预测 | 第22-38页 |
| §2.1 蛋白质结构预测研究的意义 | 第22-24页 |
| §2.2 蛋白质结构简介 | 第24-29页 |
| ·蛋白质的组成 | 第24页 |
| ·蛋白质的层次性结构 | 第24-28页 |
| ·蛋白质的二级结构种类 | 第28-29页 |
| §2.3 蛋白质二级结构预测的研究现状 | 第29-31页 |
| ·按时期划分的二级结构预测方法 | 第29-30页 |
| ·按模型理论划分的二级结构预测方法 | 第30-31页 |
| §2.4 蛋白质结构预测的困难与挑战 | 第31-33页 |
| §2.5 蛋白质结构预测中常用的数据收集与划分技术 | 第33-36页 |
| ·蛋白质数据库 | 第33页 |
| ·常用数据集 | 第33-35页 |
| ·训练集与测试集的划分 | 第35页 |
| ·模型检验方法 | 第35-36页 |
| ·滑动窗口技术 | 第36页 |
| §2.6 本章小结 | 第36-38页 |
| 第三章 蛋白质结构预测的自适应模糊神经网络模型 | 第38-66页 |
| §3.1 模糊逻辑和模糊推理系统 | 第38-45页 |
| ·模糊逻辑 | 第38-39页 |
| ·模糊集 | 第39-41页 |
| ·模糊关系 | 第41页 |
| ·模糊if-then规则 | 第41-42页 |
| ·模糊推理 | 第42-43页 |
| ·模糊推理系统 | 第43-44页 |
| ·模糊建模 | 第44-45页 |
| §3.2 模糊神经网络建模 | 第45-48页 |
| ·模糊系统和神经网络的融合 | 第45-47页 |
| ·模糊神经网络的拓扑结构 | 第47页 |
| ·模糊神经网络的建模步骤 | 第47-48页 |
| §3.3 自适应模糊神经网络建模在蛋白质结构预测中的应用 | 第48-52页 |
| ·数据预处理及编码表示 | 第48-50页 |
| ·输入数据的模糊化 | 第50页 |
| ·输入变量的筛选及模糊规则的精简 | 第50-51页 |
| ·模型的训练与学习 | 第51-52页 |
| §3.4 输入变量的筛选 | 第52-56页 |
| ·基于模糊聚类的变量筛选 | 第52-55页 |
| ·基于主成分分析的特征提取 | 第55-56页 |
| ·实验结果 | 第56页 |
| §3.5 模糊规则的精简 | 第56-61页 |
| ·基于启发式的规则精简 | 第57页 |
| ·基于遗传算法的规则精简 | 第57-59页 |
| ·实验结果 | 第59-61页 |
| §3.6 结构预测的实验结果与分析 | 第61-64页 |
| ·结构预测的准确性 | 第62页 |
| ·结构预测的可理解性 | 第62-64页 |
| ·结构预测的泛化能力 | 第64页 |
| §3.7 本章小结 | 第64-66页 |
| 第四章 双向隐Markov模型与神经网络的混合建模 | 第66-84页 |
| §4.1 问题描述 | 第66-67页 |
| §4.2 HMM基本理论 | 第67-73页 |
| ·HMM的定义 | 第67-68页 |
| ·HMM基本算法 | 第68-73页 |
| §4.3 蛋白质二级结构预测的双向HMM与神经网络混合建模 | 第73-80页 |
| ·双向HMM | 第74-76页 |
| ·用神经网络实现双向HMM | 第76-78页 |
| ·混合模型的特点 | 第78-79页 |
| ·混合模型的训练学习 | 第79-80页 |
| §4.4 混合模型的几点考虑与分析 | 第80-81页 |
| ·长程相关性信息的其它实现方案 | 第80页 |
| ·多重序列比对与profile的应用 | 第80-81页 |
| §4.5 实验结果与分析 | 第81-82页 |
| §4.6 本章小结 | 第82-84页 |
| 第五章 分类属性数据聚类的并行算法研究 | 第84-92页 |
| §5.1 传统的κ-modes算法 | 第84-87页 |
| ·记号与约定 | 第85-86页 |
| ·串行κ-modes算法 | 第86-87页 |
| §5.2 并行κ-modes算法 | 第87-89页 |
| §5.3 实验结果与性能分析 | 第89-92页 |
| ·实验数据 | 第89页 |
| ·加速比与可扩展性 | 第89-91页 |
| ·本章小结 | 第91-92页 |
| 第六章 蛋白质二级结构的可变性 | 第92-104页 |
| §6.1 问题描述 | 第92-93页 |
| ·一级结构对二级结构的决定作用 | 第92-93页 |
| ·训练数据集中的冗余信息 | 第93页 |
| §6.2 实验方法与结果 | 第93-102页 |
| ·数据准备 | 第93-94页 |
| ·结构比对 | 第94-95页 |
| ·实验结果 | 第95-101页 |
| ·分析与讨论 | 第101-102页 |
| §6.3 本章小结 | 第102-104页 |
| 第七章 蛋白质结构预测算法的评估 | 第104-116页 |
| §7.1 问题描述 | 第104-106页 |
| §7.2 蛋白质结构预测算法性能评估指标 | 第106-110页 |
| ·百分比类度量指标 | 第106-107页 |
| ·距离类度量指标 | 第107-108页 |
| ·相似性度量指标 | 第108-110页 |
| §7.3 利用性能评估指标比较各种结构预测算法 | 第110-112页 |
| ·待测试的预测算法 | 第110-111页 |
| ·测试方法与结果 | 第111页 |
| ·预测结果评价 | 第111-112页 |
| §7.4 性能评估指标对结构预测建模的指导作用 | 第112-113页 |
| ·神经网络建模的概率型优化准则 | 第112-113页 |
| ·误差函数与性能评估指标之间的联系 | 第113页 |
| §7.5 各评估指标的比较及使用原则 | 第113-115页 |
| ·各种性能评估指标的比较 | 第114页 |
| ·各种性能评估指标的使用原则 | 第114-115页 |
| §7.6 本章小结 | 第115-116页 |
| 第八章 结束语 | 第116-118页 |
| §8.1 结论 | 第116-117页 |
| §8.2 进一步研究的建议 | 第117-118页 |
| 论文发表情况 | 第118-119页 |
| 致谢 | 第119-121页 |
| 参考文献 | 第121-132页 |
