蛋白质结构预测 支持向量机的应用 典藏版2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

蛋白质结构预测 支持向量机的应用 典藏版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 蛋白质结构预测概述1

1.1蛋白质预测基本方法简介1

1.2蛋白质二级结构和结构域预测方法简介2

第2章 相关知识背景5

2.1生物信息学5

2.1.1生物信息学的定义、目的、内容和发展趋势5

2.1.2基因组学7

2.1.3蛋白质组学8

2.1.4数据库9

2.2蛋白质序列、结构与功能的关系11

2.3机器学习13

2.3.1机器学习的定义和特点13

2.3.2基本的机器学习模型15

2.3.3机器学习方法分类16

2.3.4应用于生物信息学领域的机器学习方法16

第3章 统计学习理论21

3.1学习问题的表示方法21

3.1.1概述21

3.1.2学习问题的一般表示22

3.1.3学习问题的模型23

3.1.4经验风险最小化原则24

3.1.5复杂性和推广能力24

3.1.6模式识别问题25

3.2统计学习理论的四个部分25

3.2.1学习过程的一致性25

3.2.2学习过程收敛速度的界28

3.2.3控制学习过程推广能力的理论30

第4章 构造支持向量机34

4.1优化理论34

4.1.1问题公式化34

4.1.2拉格朗日理论35

4.1.3KKT理论36

4.2支持向量机37

4.2.1支持向量机基本原理简介37

4.2.2线性分类38

4.2.3非线性分类47

4.2.4多重分类52

第5章 应用于支持向量机的主要算法55

5.1支持向量机算法中目前的研究状况55

5.2分解算法56

5.3顺序最小优化算法57

5.3.1顺序最小优化算法的原理57

5.3.2两个拉格朗日乘子的优化问题58

5.3.3选择待优化拉格朗日乘子的启发式方法59

5.3.4每次最小优化后的重置工作59

5.3.5顺序最小优化算法的特点和优势60

第6章 Libsvm简介61

6.1公式61

6.1.1C-支持向量分类（二元）61

6.1.2v支持向量分类（二元）61

6.2二次规划问题的解决62

6.2.1C-SVC的分解算法62

6.2.2工作集的选择和停止循环的标准63

6.2.3v支持向量分类的分解方法64

6.2.4解析解法65

6.2.5b和p的计算67

6.3压缩和缓存67

6.3.1压缩67

6.3.2缓存69

6.4多元分类69

6.5非平衡数据集70

6.6模型的选择70

6.7预测蛋白质结构中运用Libsvm的基本操作方法71

第7章 蛋白质二级结构预测73

7.1蛋白质结构73

7.1.1蛋白质的一级结构73

7.1.2蛋白质的二级结构特征74

7.1.3蛋白质结构域、三级结构与四级结构76

7.2蛋白质二级结构定义76

7.2.1DSSP数据库中的蛋白质二级结构特征识别77

7.2.2蛋白质二级结构鉴别方法80

7.2.3DEFINE算法对于蛋白质二级结构的定义83

7.2.4P-Cruve方法86

7.3蛋白质二级结构预测89

7.3.1概述89

7.3.2样本集的选择92

7.3.3二级结构规类方法93

7.3.4运用支持向量机进行蛋白质结构预测的样本提取方法与编码规则94

7.3.5二级结构预测准确率评估方法98

7.3.6蛋白质二级结构预测结果101

第8章 蛋白质折叠类型的预测108

8.1简介108

8.2蛋白质结构域数据110

8.2.1DALI算法和FSSP数据库——距离矩阵比对的蛋白质结构比较110

8.2.2CATH蛋白质结构域数据库113

8.2.3SCOP数据库118

8.2.4SCOP、CATH和FSSP的关系119

8.3蛋白质结构域的支持向量机预测方法119

8.3.1蛋白质结构域预测中的样本集选择119

8.3.2编码方法120

8.3.3拓扑预测准确率的评估方法121

8.3.4分类器设计与软件使用方法125

8.3.5结果与分析126

8.4小结152

8.4.1结论152

8.4.2讨论153

参考文献156

附表1RS126数据集165

附表2CB513数据集166

附表3蛋白质结构域拓扑层预测样本集170

附表4蛋白质结构域同源超族层预测样本集173

附表5蛋白质结构域序列家族层样本集179