论文目录 | |
摘要 | 第1-4页 |
Abstract | 第4-7页 |
第一章 绪论 | 第7-11页 |
1.1 本文研究背景及意义 | 第7-8页 |
1.2 蛋白质亚细胞定位的研究现状 | 第8-9页 |
1.3 本文的主要研究内容 | 第9-11页 |
第二章 蛋白质亚细胞定位的常用方法 | 第11-27页 |
2.1 蛋白质信息的特征选择 | 第11-15页 |
2.1.1 氨基酸组成(Amino Acid Composition,AAC) | 第11-12页 |
2.1.2 二肽组成(Dipeptide Composition,DipC) | 第12页 |
2.1.3 伪氨基酸组成(Pseudo Amino Acid Composition,PseAAC) | 第12-14页 |
2.1.4 基因本体模型(Gene Ontology,G0) | 第14页 |
2.1.5 基于蛋白质进化信息的特征描述方法 | 第14-15页 |
2.2 降维算法 | 第15-18页 |
2.2.1 主成分分析 | 第15-16页 |
2.2.2 核主成分分析 | 第16-18页 |
2.3 分类算法 | 第18-27页 |
2.3.1 分类距离 | 第18-20页 |
2.3.2 分类器 | 第20-22页 |
2.3.3 分类模型的检验方法 | 第22-23页 |
2.3.4 分类算法性能评价指标 | 第23-27页 |
第三章 蛋白质亚细胞定位中一种新的非线性降维算法 | 第27-43页 |
3.1 核熵成分分析(Kernel Entropy Component Analysis,KECA) | 第27-28页 |
3.2 蛋白质亚细胞定位特征数据集的构建 | 第28-35页 |
3.2.1 数据库原始数据集 | 第28-31页 |
3.2.2 蛋白质进化信息的获取 | 第31-33页 |
3.2.3 蛋白质特征数据的获得 | 第33-35页 |
3.3 单标签设置下基于高斯核的KECA与KPCA的对比研究 | 第35-36页 |
3.4 实验结果及分析 | 第36-41页 |
3.5 本章小结 | 第41-43页 |
第四章 多标签设置下KECA和KPCA的对比研究 | 第43-51页 |
4.1 多标签设置下基于高斯核的KECA与KPCA的对比研究 | 第43-47页 |
4.2 组合核函数KECA与KPCA的对比研究 | 第47-50页 |
4.3 本章小结 | 第50-51页 |
第五章 总结与展望 | 第51-53页 |
参考文献 | 第53-59页 |
致谢 | 第59-61页 |
攻读硕士学位期间完成的科研成果 | 第61页 |