文摘
英文文摘
声明
1 绪论
1.1 研究背景及意义
1.2 论文的主要工作
2 统计学习理论与支持向量机
2.1 统计学习理论
2.1.1 机器学习的基本问题
2.1.2 统计学习理论的核心内容
2.2 应用于模式识别的支持向量机
2.2.1 基本原理介绍
2.2.2 支持向量分类器的求解方法
2.2.3 基于SMO求解支持向量分类器的流程图
2.3 应用于回归估计的支持向量机
2.3.1 基本原理介绍
2.3.2 支持向量回归机的求解方法
2.3.3 基于SMO求解支持向量回归机的流程图
3 蛋白酶体酶切位点的预测模型研究
3.1 研究背景
3.2 样本数据集的获取
3.3 基于支持向量机建立蛋白酶体酶切位点的预测模型
3.4 结果与讨论
3.4.1 预测模型的评价指标
3.4.2 预测模型参数的确定
3.4.3 线性支持向量机的权值分析
3.4.4 不同预测模型在相同检验集下的性能比较
3.4.5 蛋白酶体对抗原蛋白酶切特异性分析
3.5 小结
4 MHC Ⅰ类分子结合配体预测模型的研究
4.1 研究背景
4.2 样本数据集的获取
4.3 氨基酸编码
4.4 基于SVR建立MHC Ⅰ类分子结合配体预测模型
4.5 结果与讨论
4.5.1 预测模型的评价指标
4.5.2 预测模型参数的确定
4.5.3 线性支持向量回归机的权值分析
4.5.4 MHC Ⅰ类分子与抗原肽结合特异性分析
4.6 小结
5 MHC Ⅱ类分子结合配体预测模型的研究
5.1 研究背景
5.2 样本数据集的获取
5.3 氨基酸编码
5.4 MHC Ⅱ类分子结合配体预测模型的建立
5.4.1 13-mer结合子序列样本数据集
5.4.2 迭代自洽支持向量回归机方法
5.5 结果与讨论
5.5.1 预测模型的评价指标
5.5.2 MHC Ⅱ类分子结合配体预测模型的性能
5.5.3 线性支持向量回归机的权值分析
5.5.4 MHC Ⅱ类分子与抗原肽结合特异性分析
5.6 小结
结 论
创新摘要
参考文献
附录A
攻读博士学位期间发表学术论文情况
致 谢
作者简介
大连理工大学;