注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當前位置: 首頁出版圖書科學技術(shù)自然科學生物科學蛋白質(zhì)結(jié)構(gòu)預測:支持向量機的應用

蛋白質(zhì)結(jié)構(gòu)預測:支持向量機的應用

蛋白質(zhì)結(jié)構(gòu)預測:支持向量機的應用

定 價:¥50.00

作 者: 孫向東 等編著
出版社: 科學出版社
叢編項: 現(xiàn)代生物技術(shù)前沿
標 簽: 生物化學

ISBN: 9787030223876 出版時間: 2008-09-01 包裝: 平裝
開本: 16開 頁數(shù): 199 字數(shù):  

內(nèi)容簡介

  統(tǒng)計學習理論是20世紀90年代逐漸成熟的機器學習理論, 以這種理論為基礎的支持向量機與以往的學習機器相比具有支持小樣本、不會陷入局部勢井、魯棒性好以及運算成本低等優(yōu)勢。 實現(xiàn)這種理論的支持向量機算法已經(jīng)成為機器學習和知識挖掘的標準工具。自從2001年支持向量機被首次用于蛋白質(zhì)二級結(jié)構(gòu)的預測以來, 這種算法發(fā)展到蛋白質(zhì)的結(jié)構(gòu)類型、亞細胞結(jié)構(gòu)和膜蛋白的結(jié)構(gòu)等領域的預測中。 《蛋白質(zhì)結(jié)構(gòu)預測》詳細介紹了依據(jù)統(tǒng)計學習理論構(gòu)建支持向量機的方法、各種相關軟件原理和使用方法, 并以二級結(jié)構(gòu)和結(jié)構(gòu)域為例介紹了以支持向量機為工具預測蛋白質(zhì)結(jié)構(gòu)的方法。 書中使用了大量的原創(chuàng)性實驗結(jié)果, 理論聯(lián)系實際, 詳細闡述了以支持向量機為工具預測蛋白質(zhì)結(jié)構(gòu)的全過程?!兜鞍踪|(zhì)結(jié)構(gòu)預測》適合從事蛋白質(zhì)結(jié)構(gòu)基礎研究的學生和科技工作者閱讀。

作者簡介

暫缺《蛋白質(zhì)結(jié)構(gòu)預測:支持向量機的應用》作者簡介

圖書目錄

前言
第1章 蛋白質(zhì)結(jié)構(gòu)預測概述
1.1 蛋白質(zhì)預測基本方法簡介
1.2 蛋白質(zhì)二級結(jié)構(gòu)和結(jié)構(gòu)域預測方法簡介
第2章 相關知識背景
2.1 生物信息學
2.1.1 生物信息學的定義、目的、內(nèi)容和發(fā)展趨勢
2.1.2 基因組學
2.1.3 蛋白質(zhì)組學
2.1.4 數(shù)據(jù)庫
2.2 蛋白質(zhì)序列、結(jié)構(gòu)與功能的關系
2.3 機器學習
2.3.1 機器學習的定義和特點
2.3.2 基本的機器學習模型
2.3.3 機器學習方法分類
2.3.4 應用于生物信息學領域的機器學習方法
第3章 統(tǒng)計學習理論
3.1 學習問題的表示方法
3.1.1 概述
3.1.2 學習問題的一般表示
3.1.3 學習問題的模型
3.1.4 經(jīng)驗風險最小化原則
3.1.5 復雜性和推廣能力
3.1.6 模式識別問題
3.2 統(tǒng)計學習理論的四個部分
3.2.1 學習過程的一致性
3.2.2 學習過程收斂速度的界
3.2.3 控制學習過程推廣能力的理論
第4章 構(gòu)造支持向量機
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
4.2.1 支持向量機基本原理簡介
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 應用于支持向量機的主要算法
5.1 支持向量機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)化算法的特點和優(yōu)勢
第6章 Libsvm簡介
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)的標準
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 預測蛋白質(zhì)結(jié)構(gòu)中運用Libsvm的基本操作方法
第7章 蛋白質(zhì)二級結(jié)構(gòu)預測
7.1 蛋白質(zhì)結(jié)構(gòu)
7.1.1 蛋白質(zhì)的一級結(jié)構(gòu)
7.1.2 蛋白質(zhì)的二級結(jié)構(gòu)特征
7.1.3 蛋白質(zhì)結(jié)構(gòu)域、三級結(jié)構(gòu)與四級結(jié)構(gòu)
7.2 蛋白質(zhì)二級結(jié)構(gòu)定義
7.2.1 DSSP數(shù)據(jù)庫中的蛋白質(zhì)二級結(jié)構(gòu)特征識別
7.2.2 蛋白質(zhì)二級結(jié)構(gòu)鑒別方法
7.2.3 DEFINE算法對于蛋白質(zhì)二級結(jié)構(gòu)的定義
7.2.4 P.Cruve方法
7.3 蛋白質(zhì)二級結(jié)構(gòu)預測
7.3.1 概述
7.3.2 樣本集的選擇
7.3.3 二級結(jié)構(gòu)規(guī)類方法
7.3.4 運用支持向量機進行蛋白質(zhì)結(jié)構(gòu)預測的樣本提取方法與編碼規(guī)則
7.3.5 二級結(jié)構(gòu)預測準確率評估方法
7.3.6 蛋白質(zhì)二級結(jié)構(gòu)預測結(jié)果
第8章 蛋白質(zhì)折疊類型的預測
8.1 簡介
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——距離矩陣比對的蛋白質(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
8.2.3 SCOP數(shù)據(jù)庫
8.2.4 SCOP、CATH和FSSP的關系
8.3 蛋白質(zhì)結(jié)構(gòu)域的支持向量機預測方法
8.3.1 蛋白質(zhì)結(jié)構(gòu)域預測中的樣本集選擇
8.3.2 編碼方法
8.3.3 拓撲預測準確率的評估方法
8.3.4 分類器設計與軟件使用方法
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
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)域拓撲層預測樣本集
附表4 蛋白質(zhì)結(jié)構(gòu)域同源超族層預測樣本集
附表5 蛋白質(zhì)結(jié)構(gòu)域序列家族層樣本集

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號