论文目录 | |
摘要 | 第1-6页 |
abstract | 第6-9页 |
第一章 绪论 | 第9-15页 |
1.1 课题的研究背景和意义 | 第9-10页 |
1.2 课题的研究现状 | 第10-12页 |
1.3 本文主要研究内容 | 第12-13页 |
1.4 论文结构安排 | 第13-15页 |
第二章 一般周期间隙约束的序列模式挖掘研究 | 第15-23页 |
2.1 序列模式挖掘相关概念 | 第15-17页 |
2.2 不完全网树 | 第17-18页 |
2.3 两个典型的周期间隙约束序列模式挖掘算法 | 第18-22页 |
2.3.1 MPP算法 | 第18-19页 |
2.3.2 MAPD算法 | 第19-22页 |
2.4 MAPD-PRO算法 | 第22页 |
2.5 本章小结 | 第22-23页 |
第三章 一般周期间隙约束的最长频繁模式长度的回归预测 | 第23-35页 |
3.1 一般周期间隙约束的频繁模式长度的回归预测方法总述 | 第23-25页 |
3.1.1 方法概述 | 第23-24页 |
3.1.2 工作流程 | 第24页 |
3.1.3 特征提取的数据预处理 | 第24-25页 |
3.2 DNA子序列的特征提取 | 第25-27页 |
3.2.1 FSA的基本流程 | 第26页 |
3.2.2 G-FSA的基本流程 | 第26-27页 |
3.3 回归目标获取 | 第27-28页 |
3.4 回归分析和回归算法介绍 | 第28-34页 |
3.4.1 回归模型概述 | 第28页 |
3.4.2 BP-network算法 | 第28-30页 |
3.4.3 LS-SVM算法 | 第30-32页 |
3.4.4 ELM算法 | 第32-34页 |
3.5 本章小结 | 第34-35页 |
第四章 实验结果与分析 | 第35-49页 |
4.1 阈值与间隙变化时实验结果及分析 | 第35-42页 |
4.1.1 三种回归算法在F1数据集上的训练和测试实验 | 第35-37页 |
4.1.2 F2-F6数据集在F1数据集的学习模型上的测试实验 | 第37-42页 |
4.2 阈值与序列变化时实验结果及分析 | 第42-48页 |
4.2.1 3 种回归算法在F[-4,5]数据集上的训练和测试实验 | 第42-44页 |
4.2.2 其他数据集在F[-4,5]数据集的学习模型上的测试实验 | 第44-48页 |
4.3 本章小结 | 第48-49页 |
第五章 总结与展望 | 第49-51页 |
5.1 工作总结 | 第49-50页 |
5.2 工作展望 | 第50-51页 |
参考文献 | 第51-55页 |
致谢 | 第55-56页 |