摘要
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.3 论文主要内容与结构安排
1.3.1 主要内容
1.3.2 论文结构安排
第二章 机器学习及相关优化算法
2.1 算法概述
2.2 SVM及其相关算法
2.2.1 SVM原理
2.2.2 LS-SVM原理
2.2.3 多分类支持向量机
2.2.4 核函数及参数的影响
2.3 参数优化算法
2.3.1 粒子群算法
2.3.2 模拟退火算法
2.3.3 模拟退火粒子群算法
2.4 ReliefF 特征选择算法
2.4.1 Relief算法
2.4.2 ReliefF算法
2.5 本章小结
第三章 蛋白质结构及蛋白质序列特征
3.1 蛋白质结构相关知识
3.2 蛋白质数据库
3.2.1 蛋白质结构类数据库
3.2.2 蛋白质模型评估数据库
3.3 蛋白质结构类特征表达
3.3.1 氨基酸组分法
3.3.2 多肽链组分法
3.3.3 伪氨基酸组成
3.4 蛋白质模型质量的特征提取
3.4.1 BLAST简介
3.4.2 提取特征
3.4.3 蛋白结构模型质量得分
3.5 本章小结
第四章 基于ML的蛋白质结构类分类
4.1 蛋白质结构类分类过程
4.2 数据集
4.3 特征提取过程及结果
4.3.1 ReliefF算法的特征提取过程
4.3.2 特征提取结果及分析
4.4 ML建模及参数优化
4.4.1 ML建模及基于SAPSO的参数优化的具体过程
4.4.2 最优参数的结果分析
4.5 比较不同算法的分类效果
4.6 本章小结
第五章 蛋白质模型质量评估
5.1 蛋白质模型质量评估原理
5.2 数据来源
5.2.1 数据集
5.2.2 特征提取过程
5.3 ML建模及基于SAPSO参数优化的过程
5.4 结果分析
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
攻读硕士学位期间发表的学术论文和科研情况
声明