首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

RNA二级结构预测算法研究

提要第5-6页
摘要第6-9页
Abstract第9-11页
第1章 绪论第16-30页
    1.1 背景介绍第16-17页
    1.2 RNA二级结构预测方法第17-19页
        1.2.1 多序列比对算法第17页
        1.2.2 动态规划方法第17-18页
        1.2.3 遗传算法第18-19页
        1.2.4 随机上下文无关文法第19页
        1.2.5 随机堆积方法第19页
    1.3 基本概念第19-21页
        1.3.1 茎区之间的关系第20页
        1.3.2 RNA二级结构第20-21页
    1.4 最小自由能第21-30页
        1.4.1 发卡环第22-23页
        1.4.2 凸环第23页
        1.4.3 茎区第23-24页
        1.4.4 内环第24-26页
        1.4.5 多分枝环第26-27页
        1.4.6 小结第27-30页
第2章 基于茎区的动态规划算法的RNA二级结构预测第30-42页
    2.1 编码规则第30-34页
        2.1.1 编码方式第30-31页
        2.1.2 编码关联表第31页
        2.1.3 匹配表第31-34页
    2.2 基于茎区的动态规划算法第34-38页
        2.2.1 相关定义第34页
        2.2.2 算法描述第34-37页
        2.2.3 RNAstem算法的流程第37-38页
    2.3 实验结果第38-40页
        2.3.1 与组合优化算法的比较第39-40页
        2.3.2 与传统动态规划算法的比较第40页
    2.4 本章小结第40-42页
第3章 基于蚁群算法的RNA二级结构预测第42-52页
    3.1 蚁群算法的起源第42-43页
    3.2 基于蚁群算法的RNA二级结构预测第43-46页
        3.2.1 启发式信息第43页
        3.2.2 初始信息素第43-44页
        3.2.3 选择初始茎区第44页
        3.2.4 选择下一茎区第44-45页
        3.2.5 信息素的更新机制第45-46页
        3.2.6 算法流程图第46页
    3.3 实验结果第46-51页
        3.3.1 参数λ的选择第47-49页
        3.3.2 参数Q的选择第49-50页
        3.3.3 与RNAstructure和GA的比较第50-51页
    3.4 本章小结第51-52页
第4章 基于茎区的模糊蚁群算法的RNA二级结构预测第52-72页
    4.1 模糊自适应的蚁群算法第52-63页
        4.1.1 选择初始结点第52-53页
        4.1.2 启发式信息第53-54页
        4.1.3 选择下一结点第54页
        4.1.4 模糊自适应机制第54-57页
        4.1.5 精英结点策略第57页
        4.1.6 系统更新策略第57页
        4.1.7 关于信息素挥发系数的思考第57-61页
        4.1.8 模糊蚁群算法的流程图第61-63页
    4.2 模糊蚁群算法的性能研究第63-69页
        4.2.1 参数α和β的确定第63-64页
        4.2.2 算法寻优能力的比较第64-67页
        4.2.3 算法收敛速度的比较第67-68页
        4.2.4 bays29的最优路径第68页
        4.2.5 eil51的最优路径第68-69页
    4.3 基于模糊蚁群算法的RNA二级结构预测第69-71页
        4.3.1 选择初始茎区第69-70页
        4.3.2 延伸茎区的策略第70页
        4.3.3 和传统蚁群算法的比较第70-71页
    4.4 本章小结第71-72页
第5章 基于框架的RNA二级结构预测第72-92页
    5.1 RNA茎区和结构问题研究第72-86页
        5.1.1 总茎区个数和RNA序列长度的关系第72-74页
        5.1.2 茎区的分布情况第74-75页
        5.1.3 RNA二级结构总个数和序列长度的关系第75-76页
        5.1.4 二级结构的能量分布图第76-77页
        5.1.5 不同能量下的茎区分布图第77-86页
    5.2 RNAframe算法第86-88页
        5.2.1 RNAframe算法的流程第86-87页
        5.2.2 与茎区随机堆积算法的比较第87-88页
    5.3 实验结果第88-91页
    5.4 本章小结第91-92页
第6章 结论与展望第92-94页
参考文献第94-100页
作者简介及在学期间所取得的科研成果第100-102页
致谢第102-103页

论文共103页,点击 下载论文
上一篇:数字特效技术在城市形象宣传片中的应用
下一篇:技术交易全程服务的电子商务系统设计与实现