| 内容提要 | 第1-10页 |
| 第1章 绪论 | 第10-33页 |
| ·研究的背景 | 第10-16页 |
| ·生物信息学概述 | 第10-11页 |
| ·生物信息学主要研究领域 | 第11-15页 |
| ·蛋白质组学 | 第15-16页 |
| ·蛋白质结构预测概述 | 第16-17页 |
| ·蛋白质分子结构及其特征 | 第17-18页 |
| ·蛋白质结构预测的原理与方法 | 第18-31页 |
| ·同源模建法 | 第19-24页 |
| ·折叠识别法 | 第24-26页 |
| ·从头预测法(ab initio) | 第26-28页 |
| ·结构评估 | 第28-30页 |
| ·综合方法 | 第30-31页 |
| ·本文的研究工作和论文结构 | 第31-33页 |
| 第2章 蛋白质结构域预测研究 | 第33-40页 |
| ·概述 | 第33-34页 |
| ·对已知空间结构蛋白质进行结构域划分 | 第34-36页 |
| ·人工观察 | 第35页 |
| ·自动划分算法 | 第35-36页 |
| ·从蛋白质序列预测结构域 | 第36-39页 |
| ·基于序列分析方法 | 第37页 |
| ·隐马尔可夫模型方法 | 第37-38页 |
| ·基于神经网络方法 | 第38页 |
| ·组合方法 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第3章 支持向量机及非平衡数据学习 | 第40-50页 |
| ·引言 | 第40页 |
| ·统计学习理论 | 第40-42页 |
| ·经验风险最小化 | 第40-41页 |
| ·VC 维数 | 第41页 |
| ·结构风险最小归纳原理 | 第41-42页 |
| ·支持向量机 | 第42-44页 |
| ·非平衡数据学习方法 | 第44-49页 |
| ·概述 | 第44-45页 |
| ·数据层面解决非平衡数据学习方法 | 第45-46页 |
| ·算法层面解决非平衡数据学习方法 | 第46-47页 |
| ·组合方法 | 第47-48页 |
| ·评价指标 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于支持向量机的蛋白质结构域边界预测方法 | 第50-67页 |
| ·引言 | 第50页 |
| ·结构域定义 | 第50-51页 |
| ·数据预处理 | 第51-55页 |
| ·数据来源 | 第51-53页 |
| ·数据集选取 | 第53-55页 |
| ·多序列比对 | 第55-56页 |
| ·特征提取 | 第56-61页 |
| ·从多序列比对列中提取特征信号 | 第56-59页 |
| ·从种子序列中计算构象熵值 | 第59-61页 |
| ·基于支持向量机的系统设计 | 第61页 |
| ·实验结果与分析 | 第61-65页 |
| ·支持向量机参数分析 | 第62-64页 |
| ·特征值参数分析 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 第5章 基于距离最大熵值的蛋白质结构域边界检测方法 | 第67-74页 |
| ·引言 | 第67页 |
| ·支持向量机在非平衡数据学习中的失效分析 | 第67-69页 |
| ·正类样本远离理想分类超平面 | 第67-68页 |
| ·软间隔的缺陷 | 第68-69页 |
| ·支持向量的比例失调 | 第69页 |
| ·基于距离最大熵的欠采样算法 | 第69-72页 |
| ·最大熵准则 | 第69-71页 |
| ·基于距离最大熵的欠采样算法 | 第71-72页 |
| ·实验结果及分析 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第6章 基于遗传算法采样的蛋白质结构域支持向量机学习系统 | 第74-81页 |
| ·引言 | 第74页 |
| ·方法概述 | 第74-75页 |
| ·基于遗传算法的采样技术 | 第75-79页 |
| ·遗传编码和解码 | 第76页 |
| ·遗传操作 | 第76-77页 |
| ·AUC 适应度函数 | 第77-79页 |
| ·实验结果与分析 | 第79-80页 |
| ·参数设置 | 第79页 |
| ·加速策略 | 第79页 |
| ·实验结果 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 第7章 基于支持向量机的模糊分类系统模型 | 第81-94页 |
| ·引言 | 第81页 |
| ·模糊推理系统 | 第81-83页 |
| ·模糊规则 | 第81-83页 |
| ·模糊推理 | 第83页 |
| ·模糊系统 | 第83页 |
| ·支持向量机与正定模糊分类系统的等价性 | 第83-85页 |
| ·粒子群优化算法 | 第85-87页 |
| ·模糊分类系统的约简和优化 | 第87-90页 |
| ·支持向量机转化为模糊系统 | 第87页 |
| ·模糊集合贴近度和语言变量的约简 | 第87-88页 |
| ·模糊规则的约简 | 第88-90页 |
| ·约简后模糊系统的粒子群优化 | 第90页 |
| ·实验结果与分析 | 第90-93页 |
| ·本章小结 | 第93-94页 |
| 第8章 结论 | 第94-97页 |
| ·本文主要贡献 | 第94-96页 |
| ·下一步工作展望 | 第96-97页 |
| 参考文献 | 第97-107页 |
| 攻读博士学位期间发表的学术论文及取得的科研成果 | 第107-109页 |
| 致谢 | 第109-110页 |
| 摘要 | 第110-113页 |
| Abstract | 第113-115页 |