| 中文摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景、目的和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文框架 | 第15-17页 |
| 第二章 理论基础 | 第17-21页 |
| 2.1 图论基础知识 | 第17页 |
| 2.2 遗传算法与粒子群优化算法 | 第17-18页 |
| 2.3 蛋白质复合物算法评价指标 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于遗传算法的蛋白质复合物识别算法GAGC | 第21-33页 |
| 3.1 目标函数-个体适应度 | 第21页 |
| 3.2 GAGC算法 | 第21-27页 |
| 3.2.1 初始种群产生过程InitialPopulation | 第21-22页 |
| 3.2.2 选择策略 | 第22-23页 |
| 3.2.3 基于染色体对齐的交叉策略 | 第23页 |
| 3.2.4 染色体对齐机制 | 第23-26页 |
| 3.2.5 变异策略 | 第26页 |
| 3.2.6 基于遗传算法的图聚类算法GAGC流程 | 第26-27页 |
| 3.3 实验结果与分析 | 第27-30页 |
| 3.3.1 实验数据 | 第27页 |
| 3.3.2 实验结果 | 第27-30页 |
| 3.4 本章小结 | 第30-33页 |
| 第四章 基于离散粒子群优化算法的蛋白质复合物识别算法 | 第33-47页 |
| 4.1 粒子位置和速度的定义 | 第33-34页 |
| 4.2 目标函数 | 第34页 |
| 4.3 粒子群初始化 | 第34-35页 |
| 4.4 粒子状态更新规则 | 第35-38页 |
| 4.5 DPSOPC算法框架描述 | 第38-39页 |
| 4.6 实验结果与分析 | 第39-45页 |
| 4.6.1 实验配置与数据集 | 第39-40页 |
| 4.6.2 与智能优化算法的对比实验 | 第40-41页 |
| 4.6.3 与其它算法的对比实验 | 第41-44页 |
| 4.6.4 算法识别的复合物示例 | 第44-45页 |
| 4.7 本章小结 | 第45-47页 |
| 第五章 结论与展望 | 第47-49页 |
| 5.1 结论 | 第47-48页 |
| 5.2 展望 | 第48-49页 |
| 参考文献 | 第49-55页 |
| 攻读学位期间取得的研究成果 | 第55-57页 |
| 致谢 | 第57-59页 |
| 个人简况及联系方式 | 第59-62页 |
