首页> 中文学位 >基于遗传算法的数据挖掘及其在生物信息学中的应用
【6h】

基于遗传算法的数据挖掘及其在生物信息学中的应用

代理获取

目录

文摘

英文文摘

绪论

第一章遗传算法综述

1.1序言

1.2生物进化

1.3遗传算法

1.4遗传算法的特点

1.5遗传算法的理论基础

1.6遗传算法研究的历史与现状

第二章数据挖掘综述

2.1数据挖掘的定义

2.2数据挖掘系统的组成

2.3数据挖掘的对象

2.4数据挖掘的功能分类及实现方法

2.5数据挖掘的发展趋势

第三章生物信息学的现状与展望

3.1生物信息学产生的背景

3.2生物学数据库

3.3生物信息学的主要研究内容

3.4与生物信息学关系密切的数学领域

3.5与生物信息学密切相关的计算机领域

3.6生物信息学工业

3.7展望

第四章核酸序列数据库上的联机分析处理方法——用数据挖掘方法提高原有生物住处的数据质量

4.1引言

4.2核酸序列数据库

4.3联机分析处理(OLAP)概述

4.4核酸序列数据库上的OLAP

4.5结论

第五章基于遗传算法的K均值聚类分析——用遗传算未能改进传统的数据挖掘方法

5.1前言

5.2 K均值方法的一般描述

5.3基于单纯遗传算法的聚类

5.4基于遗传算法的K均值聚类分析

5.5仿真实验

5.6结论

第六章基于遗传算法的氨基酸序列聚类分析——改进的数据挖掘算法在生物信息学的应用

6.1引言

6.2氨基酸序列聚类分析

6.3 K中心聚类方法,动态规划方法介绍

6.4基于遗传算法的氨基酸序列聚类分析

6.5仿真实验

6.6结论

第七章基于并行遗传算法的蛋白质空间结构预测——生物信息学中已有数据挖掘算法的进一步优化

7.1前言

7.2蛋白质构象研究

7.3并行遗传算法

7.4 PVM概述

7.5基于并行遗传算法的蛋白质空间结构预测

7.6仿真实验

7.7结论

总结

参考文献

作者攻读硕士学位期间发表和完成的论文

致谢

展开▼

摘要

该文的研究对象是基于遗传算法的数据挖掘方法及其这些方法在生物信息学中的应用.该文的研究分为相互关联的四个部分:该文针对目前广泛采用的EMBL核酸序列数据库,提出了有针对性的联机分析处理(OLAP)实现方案.第二,利用遗传算法改进传统的数据挖掘方法.在这方面,该文提出了基于遗传算法的K均值聚类分析方法,并把该方法与传统的K均值聚类和基于单纯遗传算法的聚类方法做了比较.第三,将改进的数据挖掘方法应用在生物信息学中.该文针对氨甘酸序列的聚类问题,提出了基于遗传算法的解决方案.第四,对生物信息学中已有数据挖掘算法做进一步的优化.该文针对蛋白质的空间结构预测问题,在前人工作的基础上提出了基于并行遗传算法的解决方案.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号