| 目录 | 第1-7页 |
| 摘要 | 第7-8页 |
| ABSTRACT | 第8-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究的重要性 | 第10-11页 |
| ·课题研究的进展 | 第11-15页 |
| ·课题研究的必要性 | 第15页 |
| ·课题研究的内容安排 | 第15-18页 |
| 第2章 支持向量机的基础理论框架 | 第18-26页 |
| ·统计学习理论(Statistical Learning Theory,SLT)概述 | 第18-19页 |
| ·支持向量机的构建方法 | 第19-25页 |
| ·支持向量机的概念 | 第19页 |
| ·Vapnik-Chervonenkis维(VC维) | 第19-20页 |
| ·支持向量机(Support vector machines,SVM) | 第20-25页 |
| ·本章内容小结 | 第25-26页 |
| 第3章 不平衡数据的分类方法研究 | 第26-30页 |
| ·不平衡数据概述 | 第26页 |
| ·不平衡数据的分类方法 | 第26-29页 |
| ·数据集采样方法 | 第27页 |
| ·分类算法方法 | 第27-28页 |
| ·综合方法 | 第28-29页 |
| ·本章内容小结 | 第29-30页 |
| 第4章 基于支持向量机的关键蛋白质识别研究 | 第30-38页 |
| ·概述 | 第30-31页 |
| ·基于支持向量机的关键蛋白质识别方法 | 第31-32页 |
| ·蛋白质网络特征空间构建 | 第31页 |
| ·基于支持向量机的分类器TC-SVM构建 | 第31-32页 |
| ·本章方法构建步骤总结 | 第32页 |
| ·相关实验结果讨论 | 第32-37页 |
| ·实验数据 | 第32-33页 |
| ·TC_SVM的参数设定 | 第33-34页 |
| ·评估方法 | 第34-35页 |
| ·实验结果分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第5章 总结与展望 | 第38-42页 |
| ·研究工作总结 | 第38-39页 |
| ·研究展望 | 第39-42页 |
| 参考文献 | 第42-46页 |
| 附录1 | 第46-48页 |
| 致谢 | 第48-49页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第49页 |
