序列数据多分类问题的研究与实现
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景 | 第9-13页 |
| ·转录调控元件识别 | 第9-10页 |
| ·Web用户浏览行为序列挖掘 | 第10-11页 |
| ·其它应用 | 第11页 |
| ·序列数据多分类若干关键问题 | 第11-13页 |
| ·研究意义 | 第13-14页 |
| ·本文工作 | 第14页 |
| ·文章结构 | 第14-16页 |
| 第二章 支持向量机和转录调控元件识别的研究现状 | 第16-30页 |
| ·机器学习分类问题 | 第16-17页 |
| ·机器学习分类问题和分类机 | 第17页 |
| ·分类问题的统计学习理论 | 第17-21页 |
| ·分类问题的统计学提法 | 第17-18页 |
| ·经验风险最小化 | 第18-19页 |
| ·VC维 | 第19-20页 |
| ·结构风险最小化 | 第20-21页 |
| ·支持向量机基本思想 | 第21-26页 |
| ·线性支持向量机 | 第21-24页 |
| ·核与非线性支持向量机 | 第24-26页 |
| ·多分类支持向量机 | 第26-28页 |
| ·一类对余类 | 第26页 |
| ·一类对一类 | 第26-27页 |
| ·纠错编码法 | 第27页 |
| ·有向无环图法 | 第27-28页 |
| ·转录调控元件识别的研究现状 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 多数据域描述模型及应用 | 第30-42页 |
| ·引言 | 第30-31页 |
| ·多任务学习模糊样本集 | 第31-33页 |
| ·多数据域描述模型 | 第33-36页 |
| ·转录因子结合位点识别 | 第36-38页 |
| ·用户网页浏览行为挖掘 | 第38-40页 |
| ·输入空间与核函数 | 第39页 |
| ·数值试验 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 若干并行算法及GPU实现 | 第42-52页 |
| ·引论 | 第42-43页 |
| ·生物序列比对并行算法 | 第43-44页 |
| ·核矩阵计算并行算法 | 第44-45页 |
| ·GPU实现 | 第45-47页 |
| ·内部并行性 | 第46页 |
| ·外部并行性 | 第46-47页 |
| ·实验与验证 | 第47-51页 |
| ·测试数据 | 第47-48页 |
| ·内部并行 | 第48-50页 |
| ·外部并行 | 第50-51页 |
| ·本章结论 | 第51-52页 |
| 第五章 转录调控挖掘平台ITREP | 第52-62页 |
| ·转录调控序列挖掘平台概述 | 第52-57页 |
| ·转录因子挖掘工具 | 第52-53页 |
| ·顺式调控元件挖掘工具 | 第53-54页 |
| ·转录调控序列数据抽取工具功能 | 第54-55页 |
| ·顺式调控元件组合模块挖掘工具功能 | 第55-57页 |
| ·平台的功能和实现 | 第57-61页 |
| ·浏览功能 | 第57-58页 |
| ·挖掘功能 | 第58-60页 |
| ·搜索功能 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·研究展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67-68页 |
| A 发表论文 | 第67页 |
| B 参加项目 | 第67-68页 |
| 致谢 | 第68-69页 |
