| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.3 研究内容及文章结构安排 | 第10-12页 |
| 第二章 蛋白质亚细胞定位的常用方法 | 第12-26页 |
| 2.1 蛋白质特征常用表达 | 第13-19页 |
| 2.1.1 基于氨基酸组成及位置的表达 | 第13-15页 |
| 2.1.2 基于氨基酸物理化学特性的表达 | 第15-17页 |
| 2.1.3 基于数据库信息挖掘的表达 | 第17-19页 |
| 2.2 降维算法 | 第19-20页 |
| 2.2.1 主成分分析算法(PCA) | 第19-20页 |
| 2.3 分类算法 | 第20-23页 |
| 2.3.1 相似性度量方法 | 第20-22页 |
| 2.3.2 支持向量机(SVM) | 第22-23页 |
| 2.4 模型校验方法及评价指标 | 第23-25页 |
| 2.4.1 分类模型的校验方法 | 第23页 |
| 2.4.2 算法性能评价指标 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于噪声比线性判别分析的蛋白质亚细胞定位 | 第26-36页 |
| 3.1 线性判别分析(LDA) | 第26-27页 |
| 3.2 一种基于噪声比LDA降维算法 | 第27-28页 |
| 3.2.1 噪声及噪声强度 | 第27-28页 |
| 3.2.2 算法描述 | 第28页 |
| 3.3 生物数据集的构建 | 第28-33页 |
| 3.3.1 生物数据集的概述 | 第28-31页 |
| 3.3.2 原始生物数据集的网上在线获取方法 | 第31-33页 |
| 3.4 实验及结果分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于类内隶属度K近邻分类器的蛋白质亚细胞定位 | 第36-44页 |
| 4.1 k-近邻分类器 | 第36页 |
| 4.2 一种基于类内隶属度KNN算法 | 第36-38页 |
| 4.2.1 数据填充方法 | 第37页 |
| 4.2.2 隶属度 | 第37-38页 |
| 4.2.3 算法描述 | 第38页 |
| 4.3 实验及结果分析 | 第38-41页 |
| 4.4 本章小结 | 第41-44页 |
| 第五章 原型系统的设计及实现 | 第44-48页 |
| 5.1 原型系统的设计 | 第44-45页 |
| 5.2 原型系统的实现 | 第45-47页 |
| 5.3 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 攻读硕士学位期间所发表的学术论文 | 第56-58页 |
| 致谢 | 第58页 |