基于Muscle的攻击特征自动提取方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的组织结构 | 第13-15页 |
| 2 攻击特征自动提取技术 | 第15-29页 |
| 2.1 攻击特征自动提取方法 | 第15-23页 |
| 2.1.1 常用的攻击特征自动提取方法 | 第15-20页 |
| 2.1.2 攻击特征自动提取方法的分析与比较 | 第20-22页 |
| 2.1.3 攻击特征自动提取的发展方向 | 第22-23页 |
| 2.2 序列比对算法研究 | 第23-27页 |
| 2.2.1 双序列比对 | 第24页 |
| 2.2.2 多序列比对 | 第24-27页 |
| 2.3 本章小结 | 第27-29页 |
| 3 双序列比对算法和邻接法的改进 | 第29-45页 |
| 3.1 双序列比对分析 | 第29-34页 |
| 3.1.1 NW算法分析 | 第29-32页 |
| 3.1.2 INW：改进的NW算法 | 第32-34页 |
| 3.2 邻接法分析 | 第34-36页 |
| 3.2.1 NJ算法分析 | 第34-35页 |
| 3.2.2 INJ:改进的NJ法 | 第35-36页 |
| 3.3 实验与结果分析 | 第36-44页 |
| 3.3.1 INW算法实验结果分析 | 第36-40页 |
| 3.3.2 INJ算法实验结果分析 | 第40-44页 |
| 3.4 本章小结 | 第44-45页 |
| 4 改进的Muscle算法-IMuscle | 第45-56页 |
| 4.1 Muscle算法分析 | 第46-47页 |
| 4.1.1 Muscle算法描述 | 第46-47页 |
| 4.1.2 存在的问题 | 第47页 |
| 4.2 IMuscle算法 | 第47-52页 |
| 4.2.1 粗比对 | 第48-51页 |
| 4.2.2 改进的渐进式比对 | 第51-52页 |
| 4.2.3 迭代改进 | 第52页 |
| 4.3 实验与结果分析 | 第52-54页 |
| 4.3.1 方法有效性验证 | 第52-53页 |
| 4.3.2 抗噪能力测试 | 第53-54页 |
| 4.4 本章小结 | 第54-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 论文总结 | 第56页 |
| 5.2 未来工作展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间的主要研究成果目录 | 第63-64页 |
| 致谢 | 第64页 |
