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
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
- 基于车载3D加速传感器的路况监测研究,TP274
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 数字图像盲取证技术研究,TP391.41
- 基于机器学习的入侵检测系统研究,TP393.08
- 支持向量机回归在短期电力负荷预测中的应用研究,TM715;F224
- 面向文本分类的改进K近邻的支持向量机算法研究,TP391.1
- 基于AdaBoost算法的人脸识别研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|