| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 蛋白质亚细胞定位简介 | 第10-12页 |
| 1.1.2 研究背景 | 第12-13页 |
| 1.1.3 研究意义 | 第13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.3 本文研究内容及创新点 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 几种现存的全局特征表达与分类算法 | 第16-22页 |
| 2.1 经典的蛋白质特征描述方法 | 第16-18页 |
| 2.1.1 氨基酸组成方法 | 第16页 |
| 2.1.2 二肽组成 | 第16页 |
| 2.1.3 伪氨基酸组成 | 第16-18页 |
| 2.1.4 位置特异性分数矩阵描述方法 | 第18页 |
| 2.2 几种现存的全局蛋白质特征描述方法 | 第18-19页 |
| 2.2.1 PseAA和PSSM的融合特征描述方法 | 第18页 |
| 2.2.2 二肽组成与PSSM融合(DipCPSSM)特征描述方法 | 第18-19页 |
| 2.2.3 PsePSSM特征描述方法 | 第19页 |
| 2.3 分类算法 | 第19-20页 |
| 2.4 分类模型的检验和评价指标 | 第20-21页 |
| 2.4.1 模型检验 | 第20页 |
| 2.4.2 评价指标 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 基于PSSM分段的局部特征表达与LDA算法的蛋白质亚细胞定位 | 第22-30页 |
| 3.1 相关概念 | 第22-23页 |
| 3.2 基于PSSM分段分布的氨基酸组成特征表达 | 第23页 |
| 3.3 一种现存的局部特征表达方法-PSSM-S | 第23-24页 |
| 3.4 降维算法与分类算法 | 第24-25页 |
| 3.4.1 线性判别分析 | 第24-25页 |
| 3.4.2 分类算法 | 第25页 |
| 3.5 实验结果及分析 | 第25-29页 |
| 3.5.1 实验数据及实验过程 | 第25-26页 |
| 3.5.2 PSSM-SAA与现存特征表达算法对比 | 第26-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第四章 全局统计降维算法对蛋白质数据的影响 | 第30-36页 |
| 4.1 降维算法 | 第30-32页 |
| 4.1.1 MDA | 第30-31页 |
| 4.1.2 MMLDA | 第31-32页 |
| 4.2 分类算法 | 第32页 |
| 4.3 实验结果与分析 | 第32-34页 |
| 4.3.1 实验数据及实验过程 | 第32-33页 |
| 4.3.2 实验结果分析 | 第33-34页 |
| 4.4 本章小结 | 第34-36页 |
| 第五章 包含二级结构预测信息的局部特征表达预测蛋白质亚细胞位置 | 第36-42页 |
| 5.1 Chou-Fasman方法 | 第36-38页 |
| 5.2 基于Chou-Fasman方法预测二级结构信息的特征表达 | 第38-39页 |
| 5.3 分类算法 | 第39页 |
| 5.4 实验结果及分析 | 第39-41页 |
| 5.4.1 实验数据及实验过程 | 第39-40页 |
| 5.4.2 实验结果分析 | 第40-41页 |
| 5.5 本章小结 | 第41-42页 |
| 第六章 总结与展望 | 第42-44页 |
| 6.1 全文工作总结 | 第42页 |
| 6.2 未来展望 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 攻读硕士学位期间完成的科研成果 | 第48-50页 |
| 致谢 | 第50页 |
