蛋白質(zhì)序列的并行分類(lèi)方法研究論文提綱
論文摘要: 本論文的主要研究對(duì)象是生物信息學(xué)中的蛋白質(zhì)序列分類(lèi)問(wèn)題.利用計(jì)算的方法,從蛋白質(zhì)的一級(jí)序列決定了其三維（略）發(fā),針對(duì)氨基酸序列建立數(shù)學(xué)模型進(jìn)行蛋白質(zhì)結(jié)構(gòu)分類(lèi),并引入并行計(jì)算的思想提高分類(lèi)器性能.用并行計(jì)算方法進(jìn)行蛋白質(zhì)序列的結(jié)構(gòu)分類(lèi)減少了昂貴且非常耗時(shí)的實(shí)驗(yàn)次數(shù),提高了分類(lèi)效率,促進(jìn)了對(duì)復(fù)雜的生物規(guī)律（略）用生物信息的提取. 本文在當(dāng)前準(zhǔn)確性最高的基于判別模型的蛋白質(zhì)遠(yuǎn)同源檢測(cè)算法的基礎(chǔ)上,結(jié)合基于統(tǒng)計(jì)剖面的生成模型方法,設(shè)計(jì)了基于統(tǒng)計(jì)剖面的核函數(shù).并通過(guò)半監(jiān)督學(xué)習(xí)的方法提高了遠(yuǎn)同源檢測(cè)算法的準(zhǔn)確性.針對(duì)蛋白質(zhì)序列分類(lèi)中正樣本數(shù)遠(yuǎn)小于負(fù)樣本數(shù),造成（略）練不平衡的問(wèn)題,本文提出了優(yōu)化支持向量機(jī)算法,對(duì)正類(lèi)樣本集和負(fù)類(lèi)樣本集應(yīng)用不同的懲罰參數(shù),（略）本.對(duì)給定測(cè)試集進(jìn)行的預(yù)測(cè)實(shí)驗(yàn)結(jié)果表明本文的算法取得了優(yōu)于其它遠(yuǎn)同源檢測(cè)算法的預(yù)測(cè)效果. 針對(duì)標(biāo)準(zhǔn)支持向量機(jī)算法只能分別對(duì)每一個(gè)蛋白質(zhì)結(jié)構(gòu)類(lèi)進(jìn)行二元判別的問(wèn)題,本文引入了多類(lèi)支持向（略）元SVM分類(lèi)器的判別結(jié)果進(jìn)行綜合,輸出唯一的蛋白質(zhì)結(jié)構(gòu)類(lèi)預(yù)測(cè)結(jié)果,提高了基于支持向量機(jī)的蛋白質(zhì)序列分類(lèi)的可用性.多類(lèi)支持向量機(jī)需要復(fù)雜的計(jì)算...
In this paper, the main research object is th（omitted）sequence classific（omitted）lem in bioinformatics. We use the method of calculation, from th（omitted）nt of the protein’s amino acid sequences determined the three-dimensional structure, to establis（omitted）ical model and construct an appropriate optimization algorithm to solve the protein sequence classification problem. Using the method of calculating in protein sequence classification could reduce the number of experiment （omitted）ery time-consumin...
目錄:中文摘要 第3-4頁(yè)
ABSTRACT 第4-5頁(yè)
第1章 緒論 第9-18頁(yè)
·引言 第9-10頁(yè)
·研究背景 第10-15頁(yè)
·蛋白質(zhì)序列與結(jié)構(gòu) 第10-12頁(yè)
·蛋白質(zhì)分類(lèi)的國(guó)內(nèi)外進(jìn)展 第12-15頁(yè)
·本文主要研究工作與創(chuàng)新點(diǎn) 第15-16頁(yè)
·論文結(jié)構(gòu) 第16-18頁(yè)
第2章 遠(yuǎn)同源檢測(cè)算法與支持向量機(jī)理論 第18-32頁(yè)
·雙序列比對(duì)算法 第18-23頁(yè)
·全局比對(duì)算法 第20-21頁(yè)
·局部比對(duì)算法 第21-22頁(yè)
·啟發(fā)式算法 第22-23頁(yè)
·基于統(tǒng)計(jì)剖面的生成模型 第23-25頁(yè)
·基于判別模型的遠(yuǎn)同源檢測(cè) 第25-26頁(yè)
·支持向量機(jī)理論 第26-31頁(yè)
·最大邊緣超平面 第26-27頁(yè)
·結(jié)構(gòu)風(fēng)險(xiǎn)最小化 第27頁(yè)
·支持向量機(jī) 第27-31頁(yè)
·小結(jié) 第31-32頁(yè)
第3章 基于遠(yuǎn)同源檢測(cè)的蛋白質(zhì)序列分類(lèi) 第32-48頁(yè)
·核技術(shù)與核函數(shù) 第32-33頁(yè)
·剖面內(nèi)核的蛋白質(zhì)遠(yuǎn)同源檢測(cè)算法 第33-41頁(yè)
·基于統(tǒng)計(jì)剖面的核函數(shù) 第34-36頁(yè)
·半監(jiān)督學(xué)習(xí)分析 第36-37頁(yè)
·基于樹(shù)的內(nèi)核矩陣 第37-38頁(yè)
·優(yōu)化支持向量機(jī) 第38-41頁(yè)
·數(shù)據(jù)集 第41-43頁(yè)
·數(shù)據(jù)集的選取 第41頁(yè)
·數(shù)據(jù)集的構(gòu)建 第41-43頁(yè)
·實(shí)驗(yàn)與分析 第43-47頁(yè)
·算法性能評(píng)估指標(biāo) 第43-45頁(yè)
·實(shí)驗(yàn)環(huán)境 第45頁(yè)
·結(jié)果與討論 第45-47頁(yè)
·小結(jié) 第47-48頁(yè)
第4章 基于多類(lèi)SVM的蛋白質(zhì)序列并行分類(lèi)算法 第48-64頁(yè)
·多類(lèi)SVM分類(lèi)器 第48-52頁(yè)
·加權(quán)一對(duì)多算法 第50-51頁(yè)
·權(quán)重學(xué)習(xí) 第51-52頁(yè)
·并行算法設(shè)計(jì) 第52-55頁(yè)
·算法分析 第52-53頁(yè)
·基于主從模型的并行算法 第53-55頁(yè)
·基于多類(lèi)SVM的蛋白質(zhì)序列并行分類(lèi) 第55-58頁(yè)
·實(shí)驗(yàn)與分析 第58-63頁(yè)
·數(shù)據(jù)集與實(shí)驗(yàn)環(huán)境 第58-60頁(yè)
·并行性能評(píng)價(jià) 第60-61頁(yè)
·結(jié)果與討論 第61-63頁(yè)
·小結(jié) 第63-64頁(yè)
第5章 基于組合分類(lèi)器的蛋白質(zhì)序列并行分類(lèi)算法 第64-82頁(yè)
·組合分類(lèi)策略 第64-65頁(yè)
·最近鄰算法 第65-70頁(yè)
·位點(diǎn)特異性反復(fù)比對(duì) 第66頁(yè)
·特定位點(diǎn)評(píng)分矩陣 第66-68頁(yè)
·比對(duì)結(jié)果評(píng)估 第68-70頁(yè)
·基于組合分類(lèi)器的蛋白質(zhì)序列并行分類(lèi) 第70-75頁(yè)
·兩級(jí)任務(wù)池模型 第70-72頁(yè)
·組合分類(lèi)器并行分類(lèi)算法描述 第72-75頁(yè)
·參數(shù)優(yōu)化 第75-76頁(yè)
·實(shí)驗(yàn)與分析 第76-81頁(yè)
·實(shí)驗(yàn)環(huán)境 第76-77頁(yè)
·結(jié)果與討論 第77-81頁(yè)
·小結(jié) 第81-82頁(yè)
第6章 總結(jié)與展望 第82-85頁(yè)
·本文總結(jié) 第82-83頁(yè)
·研究展望 第83-85頁(yè)
參考文獻(xiàn) 第85-93頁(yè)
發(fā)表論文和科研情況說(shuō)明 第93-94頁(yè)
致謝 第94頁(yè)
請(qǐng)繼續(xù)閱讀相關(guān)推薦：畢業(yè)論文 應(yīng)屆生求職
畢業(yè)論文范文查看下載 查看的論文開(kāi)題報(bào)告 查閱參考論文提綱
查閱更多的畢業(yè)論文致謝 相關(guān)畢業(yè)論文格式 查閱更多論文答辯
【蛋白質(zhì)序列的并行分類(lèi)方法研究論文提綱】相關(guān)文章：
時(shí)間序列數(shù)據(jù)挖掘研究論文提綱03-27
論文提綱的分類(lèi)12-07
蛋白質(zhì)序列的數(shù)學(xué)描述及其應(yīng)用提綱11-20
論文提綱的定義與分類(lèi)12-07
灰色多屬性決策方法研究論文提綱11-15
編寫(xiě)論文提綱的方法03-28
論文提綱編寫(xiě)方法03-30
研究論文提綱范例11-14
科技研究論文提綱11-13
- 相關(guān)推薦