学位论文 > 优秀研究生学位论文题录展示

基于人工神经网络的必需基因预测研究

作　者: 李赫
导　师: 胡成全
学　校: 吉林大学
专　业: 计算机系统结构
关键词: 必需基因基因预测 BP网络支持向量机
分类号: TP391.41
类　型: 硕士论文
年　份: 2008年
下　载: 121次
引　用: 1次
阅　读: 论文下载

内容摘要

生物体中一旦缺乏某种基因,就会导致生物个体的死亡,这类基因称为必需基因,其研究对于理论、制药都有十分重要的意义。通过实验方法确定必需基因,费时费力,可以采用机器学习的方法来预测必需基因。通过对由实验方法得到的大肠杆菌(Escherichia coli)的必需基因和非必需基因进行研究,挖掘有用信息,再应用BP网络和支持向量机两种方法分别构建模型,对不同的样本分类。最后,将得到的结果与实验方法或其他途径得到的生物学背景作对比,建立合理的评估方式,最终证明应用BP网络和支持向量机这两种方法可以比较有效地区分必需基因和非必需基因,实验结果表明,支持向量机的分类效果比BP网络要好一些。

全文目录

提要  4-7
第一章绪论  7-12
  1.1 生物信息学简介  7-8
  1.2 必需基因简介  8-11
    1.2.1 必需基因的概念及研究意义  8-9
    1.2.2 必需基因的国内外研究进展  9-11
  1.3 本文主要工作  11-12
第二章 BP网络  12-24
  2.1 人工神经网络理论  12-15
    2.1.1 人工神经元的模型  12-13
    2.1.2 传递函数的类型  13-15
  2.2 BP网络  15-23
    2.2.1 BP算法基本原理  16-21
    2.2.2 BP网络学习过程的具体步骤  21-23
    2.2.3 BP网络的缺点  23
  2.3 本章总结  23-24
第三章支持向量机  24-32
  3.1 支持向量机基本原理  24-25
  3.2 支持向量机基本方法  25-28
    3.2.1 C-SVM算法  25-28
  3.3 加权支持机基本方法  28-30
  3.4 支持向量机的核函数  30-31
  3.5 支持向量机的缺点  31
  3.6 本章小结  31-32
第四章实验模型  32-45
  4.1 数据准备  32-37
    4.1.1 数据选择  32-33
    4.1.2 数据清理  33-36
    4.1.3 维归约  36-37
  4.2 BP网络的模型  37-39
    4.2.1 隐含层数的选取  37
    4.2.2 隐含层节点数的选取  37-38
    4.2.3 传递函数的选取  38
    4.2.4 学习效率的选取  38
    4.2.5 训练次数的选取  38-39
    4.2.6 学习函数的选取  39
  4.3 支持向量机的模型  39-44
    4.3.1 构建支持向量机模型  40-42
    4.3.2 核函数参数的选取  42-44
  4.4 本章小结  44-45
第五章实验结果分析  45-60
  5.1 BP网络模型应用于必需基因分类  45-54
    5.1.1 网络的初始权值、输入和期望输出的选择  45-46
    5.1.2 结果分析  46-54
  5.2 支持向量机应用于必需基因分类  54-58
    5.2.1 验证方法  54-55
    5.2.2 结果分析  55-58
  5.3 结果比较  58-59
  5.4 本章总结  59-60
第六章总结与展望  60-62
参考文献  62-64
摘要  64-67
Abstract  67-70
致谢  70-71
导师及作者简介  71

基于人工神经网络的必需基因预测研究

内容摘要

全文目录

相似论文