| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 本文的章节安排 | 第18-20页 |
| 第二章 DNA结合蛋白的特征构造 | 第20-44页 |
| 2.1 数据来源与特点 | 第20-22页 |
| 2.1.1 数据来源 | 第20-21页 |
| 2.1.2 数据特点 | 第21-22页 |
| 2.2 物理化学特征 | 第22-27页 |
| 2.2.1 基于氨基酸组成的特征 | 第22-23页 |
| 2.2.2 基于二肽组成的特征 | 第23页 |
| 2.2.3 基于组成、转换和分布的特征 | 第23-24页 |
| 2.2.4 基于Moreau-Bro to自相关指数的特征 | 第24-25页 |
| 2.2.5 基于伪氨基酸组成的特征 | 第25-26页 |
| 2.2.6 基于序列顺序的特征 | 第26-27页 |
| 2.3 混沌游戏表示 | 第27-32页 |
| 2.3.1 画CGR图 | 第28页 |
| 2.3.2 CGR算法 | 第28-31页 |
| 2.3.3 数学计算 | 第31-32页 |
| 2.4 基于分形的特征 | 第32-37页 |
| 2.4.1 豪斯多夫维数 | 第33-34页 |
| 2.4.2 计盒维数 | 第34-36页 |
| 2.4.3 自适应模型 | 第36-37页 |
| 2.5 位置特异性得分矩阵 | 第37-40页 |
| 2.5.1 PSI-BLAST | 第38-39页 |
| 2.5.2 PSSM矩阵 | 第39-40页 |
| 2.6 基于频谱分析的特征 | 第40-43页 |
| 2.7 本章小结 | 第43-44页 |
| 第三章 DNA结合蛋白的特征选择 | 第44-58页 |
| 3.1 特征选择过程 | 第44-46页 |
| 3.2 SVM-RFE算法 | 第46-50页 |
| 3.2.1 支持向量机概述 | 第46-48页 |
| 3.2.2 松弛向量与最优分类面 | 第48-49页 |
| 3.2.3 SVM-RFE算法 | 第49-50页 |
| 3.3 ReliefF算法 | 第50-53页 |
| 3.3.1 Relief算法 | 第50-51页 |
| 3.3.2 ReliefF算法 | 第51-53页 |
| 3.4 PLSRFE算法 | 第53-57页 |
| 3.4.1 PLSRanking算法 | 第53-56页 |
| 3.4.2 PLSRFE算法 | 第56-57页 |
| 3.6 本章小结 | 第57-58页 |
| 第四章 DNA结合蛋白的识别分析 | 第58-74页 |
| 4.1 数据预处理 | 第58-59页 |
| 4.2 模型选择方法 | 第59-61页 |
| 4.3 性能评价指标 | 第61-62页 |
| 4.4 实验结果分析与讨论 | 第62-71页 |
| 4.4.1 实验结果 | 第62-64页 |
| 4.4.2 实验结果的对比分析 | 第64-70页 |
| 4.4.3 与其他方法的比较 | 第70-71页 |
| 4.5 本章小结 | 第71-74页 |
| 第五章 总结与展望 | 第74-78页 |
| 5.1 总结 | 第74-75页 |
| 5.2 展望 | 第75-78页 |
| 附录Ⅰ | 第78-80页 |
| 附录Ⅱ | 第80-82页 |
| 参考文献 | 第82-88页 |
| 攻读硕士学位期间的学术论文发表及科研工作 | 第88-90页 |
| 致谢 | 第90-91页 |