蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)：支持向量機(jī)的應(yīng)用

前言
第1章 蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)概述
1.1 蛋白質(zhì)預(yù)測(cè)基本方法簡(jiǎn)介
1.2 蛋白質(zhì)二級(jí)結(jié)構(gòu)和結(jié)構(gòu)域預(yù)測(cè)方法簡(jiǎn)介
第2章 相關(guān)知識(shí)背景
2.1 生物信息學(xué)
2.1.1 生物信息學(xué)的定義、目的、內(nèi)容和發(fā)展趨勢(shì)
2.1.2 基因組學(xué)
2.1.3 蛋白質(zhì)組學(xué)
2.1.4 數(shù)據(jù)庫(kù)
2.2 蛋白質(zhì)序列、結(jié)構(gòu)與功能的關(guān)系
2.3 機(jī)器學(xué)習(xí)
2.3.1 機(jī)器學(xué)習(xí)的定義和特點(diǎn)
2.3.2 基本的機(jī)器學(xué)習(xí)模型
2.3.3 機(jī)器學(xué)習(xí)方法分類
2.3.4 應(yīng)用于生物信息學(xué)領(lǐng)域的機(jī)器學(xué)習(xí)方法
第3章 統(tǒng)計(jì)學(xué)習(xí)理論
3.1 學(xué)習(xí)問題的表示方法
3.1.1 概述
3.1.2 學(xué)習(xí)問題的一般表示
3.1.3 學(xué)習(xí)問題的模型
3.1.4 經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則
3.1.5 復(fù)雜性和推廣能力
3.1.6 模式識(shí)別問題
3.2 統(tǒng)計(jì)學(xué)習(xí)理論的四個(gè)部分
3.2.1 學(xué)習(xí)過(guò)程的一致性
3.2.2 學(xué)習(xí)過(guò)程收斂速度的界
3.2.3 控制學(xué)習(xí)過(guò)程推廣能力的理論
第4章 構(gòu)造支持向量機(jī)
4.1 優(yōu)化理論
4.1.1 問題公式化
4.1.2 拉格朗日理論
4.1.3 KKT理論
4.2 支持向量機(jī)
4.2.1 支持向量機(jī)基本原理簡(jiǎn)介
4.2.2 線性分類
4.2.3 非線性分類
4.2.4 多重分類
第5章 應(yīng)用于支持向量機(jī)的主要算法
5.1 支持向量機(jī)算法中目前的研究狀況
5.2 分解算法
5.3 順序最小優(yōu)化算法
5.3.1 順序最小優(yōu)化算法的原理
5.3.2 兩個(gè)拉格朗日乘子的優(yōu)化問題
5.3.3 選擇待優(yōu)化拉格朗日乘子的啟發(fā)式方法
5.3.4 每次最小優(yōu)化后的重置工作
5.3.5 順序最小優(yōu)化算法的特點(diǎn)和優(yōu)勢(shì)
第6章 Libsvm簡(jiǎn)介
6.1 公式
6.1.1 C一支持向量分類（二元）
6.1.2 支持向量分類（二元）
6.2 二次規(guī)劃問題的解決
6.2.1 C-SVC的分解算法
6.2.2 工作集的選擇和停止循環(huán)的標(biāo)準(zhǔn)
6.2.3 支持向量分類的分解方法
6.2.4 解析解法
6.2.5 6和p的計(jì)算
6.3 壓縮和緩存
6.3.1 壓縮
6.3.2 緩存
6.4 多元分類
6.5 非平衡數(shù)據(jù)集
6.6 模型的選擇
6.7 預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)中運(yùn)用Libsvm的基本操作方法
第7章 蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)
7.1 蛋白質(zhì)結(jié)構(gòu)
7.1.1 蛋白質(zhì)的一級(jí)結(jié)構(gòu)
7.1.2 蛋白質(zhì)的二級(jí)結(jié)構(gòu)特征
7.1.3 蛋白質(zhì)結(jié)構(gòu)域、三級(jí)結(jié)構(gòu)與四級(jí)結(jié)構(gòu)
7.2 蛋白質(zhì)二級(jí)結(jié)構(gòu)定義
7.2.1 DSSP數(shù)據(jù)庫(kù)中的蛋白質(zhì)二級(jí)結(jié)構(gòu)特征識(shí)別
7.2.2 蛋白質(zhì)二級(jí)結(jié)構(gòu)鑒別方法
7.2.3 DEFINE算法對(duì)于蛋白質(zhì)二級(jí)結(jié)構(gòu)的定義
7.2.4 P.Cruve方法
7.3 蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)
7.3.1 概述
7.3.2 樣本集的選擇
7.3.3 二級(jí)結(jié)構(gòu)規(guī)類方法
7.3.4 運(yùn)用支持向量機(jī)進(jìn)行蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的樣本提取方法與編碼規(guī)則
7.3.5 二級(jí)結(jié)構(gòu)預(yù)測(cè)準(zhǔn)確率評(píng)估方法
7.3.6 蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)結(jié)果
第8章 蛋白質(zhì)折疊類型的預(yù)測(cè)
8.1 簡(jiǎn)介
8.2 蛋白質(zhì)結(jié)構(gòu)域數(shù)據(jù)
8.2.1 DALI算法和FSSP數(shù)據(jù)庫(kù)——距離矩陣比對(duì)的蛋白質(zhì)結(jié)構(gòu)比較
8.2.2 CATH蛋白質(zhì)結(jié)構(gòu)域數(shù)據(jù)庫(kù)
8.2.3 SCOP數(shù)據(jù)庫(kù)
8.2.4 SCOP、CATH和FSSP的關(guān)系
8.3 蛋白質(zhì)結(jié)構(gòu)域的支持向量機(jī)預(yù)測(cè)方法
8.3.1 蛋白質(zhì)結(jié)構(gòu)域預(yù)測(cè)中的樣本集選擇
8.3.2 編碼方法
8.3.3 拓?fù)漕A(yù)測(cè)準(zhǔn)確率的評(píng)估方法
8.3.4 分類器設(shè)計(jì)與軟件使用方法
8.3.5 結(jié)果與分析
8.4 小結(jié)
8.4.1 結(jié)論
8.4.2 討論
參考文獻(xiàn)
附表1 Rsl26數(shù)據(jù)集
附表2 cB513數(shù)據(jù)集
附表3 蛋白質(zhì)結(jié)構(gòu)域拓?fù)鋵宇A(yù)測(cè)樣本集
附表4 蛋白質(zhì)結(jié)構(gòu)域同源超族層預(yù)測(cè)樣本集
附表5 蛋白質(zhì)結(jié)構(gòu)域序列家族層樣本集