声明
摘要
第一章 绪论
1.1 引言
1.2 研究背景及意义
1.3 国内外研究现状
1.4 论文的主要内容和结构安排
1.4.1 主要研究内容
1.4.2 论文结构安排
第二章 蛋白质亚细胞定位预测
2.1 蛋白质亚细胞定位的生物学基础
2.1.1 蛋白质概述
2.1.2 亚细胞定位概述
2.1.3 生命中心法则
2.2 蛋白质特征提取方法
2.2.1 基于氨基酸组成和位置的编码
2.2.2 基于氨基酸物理化学性质特征的编码
2.2.3 基于数据库信息挖掘的编码
2.3 应用于亚细胞定位领域的机器学习算法
2.3.1 隐马尔可夫模型
2.3.2 贝叶斯网络
2.3.3 K近邻方法(K-Nearest Neighbor,KNN)
2.3.4 支持向量机(Support vector machine,SVM)
2.3.5 柔性神经树(Flexible neural tree,FNT)
2.3.6 多分类器的组合
2.3.7 预测性能评估
2.4 小结
第三章 基于离散增量法和神经网络的蛋白质亚细胞定位预测
3.1 数据集
3.2 以多样性增量为参数的特征提取算法
3.2.1 离散增量法
3.2.2 氨基酸频率信息的多样性增量
3.2.3 氨基酸理化信息的多样性增量
3.3 分类器的设计
3.3.1 人工神经网络
3.3.2 粒子群优化算法
3.3.3 纠错输出编码
3.4 小结
第四章 实验结果及分析
4.1 实验一
4.1.1 特征提取结果
4.1.2 分类器模型
4.1.3 实验结果
4.2 实验二
4.2.1 特征提取结果
4.2.2 分类器模型
4.2.3 实验结果
4.3 实验三
4.3.1 特征提取结果
4.3.2 分类器模型
4.3.3 实验结果
4.4 实验四
4.4.1 特征提取结果
4.4.2 分类器模型
4.4.3 实验结果
4.5 实验五
4.5.1 特征提取结果
4.5.2 分类器模型
4.5.3 实验结果
4.6 实验六
4.6.1 特征提取结果
4.6.2 分类器模型
4.6.3 实验结果
4.7 实验七
4.7.1 特征提取结果
4.7.2 分类器模型
4.7.3 实验结果
4.8 小结
第五章 结束语
5.1 全文总结
5.2 进一步研究设想
5.3 心得体会
参考文献
致谢
附录