核受体蛋白、生物荧光蛋白的预测算法研究
| 摘要 | 第1-4页 |
| abstract | 第4-7页 |
| 缩略语表 | 第7-8页 |
| 1 绪论 | 第8-13页 |
| ·引言 | 第8页 |
| ·研究课题的背景及意义 | 第8-11页 |
| ·核受体和生物荧光蛋白的简述 | 第11-12页 |
| ·国内外研究现状和进展 | 第12-13页 |
| ·论文结构安排 | 第13页 |
| 2 理论预测 | 第13-21页 |
| ·数据集的构建 | 第13-14页 |
| ·特征参数提取 | 第14-16页 |
| ·氨基酸组分信息(AAC) | 第14页 |
| ·氨基酸序列的二肽组分信息(DC) | 第14页 |
| ·伪氨基酸组分信息(PseAAC) | 第14-15页 |
| ·氨基酸的物理化学特征分类信息 | 第15-16页 |
| ·预测算法 | 第16-20页 |
| ·随机森林(RandomForest) | 第16页 |
| ·支持向量机(SVM)算法 | 第16-19页 |
| ·加权K-近邻(WKNN)算法 | 第19-20页 |
| ·算法评价 | 第20-21页 |
| 3 核受体蛋白的预测 | 第21-28页 |
| ·核受体蛋白数据集的选取 | 第21-22页 |
| ·特征参数的选取 | 第22页 |
| ·核受体的预测 | 第22-28页 |
| ·随机森林对核受体蛋白的预测 | 第22-24页 |
| ·支持向量机对核受体蛋白的预测 | 第24-25页 |
| ·加权K-近邻对核受体蛋白的预测 | 第25-27页 |
| ·三种算法的总结 | 第27-28页 |
| 4 生物荧光蛋白的预测 | 第28-32页 |
| ·生物荧光蛋白数据集 | 第28页 |
| ·特征参数的提取 | 第28页 |
| ·生物荧光蛋白的预测 | 第28-32页 |
| ·随机森林对生物荧光蛋白的预测 | 第28-29页 |
| ·支持向量机对生物荧光蛋白的预测 | 第29-30页 |
| ·加权K-近邻对生物荧光蛋白的预测 | 第30-31页 |
| ·三种算法的总结 | 第31-32页 |
| 5 总结与展望 | 第32-33页 |
| ·工作总结 | 第32页 |
| ·工作展望 | 第32-33页 |
| 致谢 | 第33-34页 |
| 参考文献 | 第34-38页 |
| 作者简介 | 第38页 |
