基于支持向量机和极限学习机的功能位点识别

《基于支持向量机和极限学习机的功能位点识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号Ｗ学号一為请策違义４硕壬学位论文？、？■基于支持向量机和极限学习机的功能位点识别李琴—．．．．■起．、、？Ｉ．，一－■．．－．＇．．’Ｖ．，ｉＸｖ，产；＾、＾．ｒ＇＼指导教师张良云教授器ｉ’专业名称应用数学＼．占Ｖｈ记＾研究方向计算生物信息学节＇；．＇．心Ｃ．答辩日期二０—五年五月■■．？Ｖ？？，？－ｉ■＇＇ｒ．．一＇？．一．，＇’人Ｖ’．：．ＰＲＥＤＩＣ

2、ＴＩＮＧＦＵＮＣＴＩＯＮＡＬＳＩＴＥＳＢＡＳＥＤＯＮＳＵＰＰＯＲＴＶＥＣＴＯＲＭＡＣＨＩＮＥＡＮＤＥＸＴＲＥＭＥＬＥＡＲＮＩＮＧＭＡＣＨＩＮＥＢｙＱｉｎＬＩＳｕｅｒｖｉｓｅｄｂＰｒｏｆｅｓｓｏｒＬｉａｎｕｎＺＨＡＮＧｐｙｇｙＡＴｈｅｓｉｓＳｕｂｍｉｔｔｅｄＴｏＮａｎｉｎＡｒｉｃｕｌｔｕｒｅＵｎｉｖｅｒｓｉｔｊｇｇｙＩｎＰａｒｔｉａｌＦｕｌｆｉｌｌｍｅｎｔｏｆＴｈｅＲｅｑｕｉｒｅｍｅｎｔｓＦｏｒＴｈｅＭａｓ１；ｅｒＤｅｇｒｅｅＭａ２０１４

3、ｙ，原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集。。体，均已在文中Ｗ明确方式标明本人完全意识到本声明的法律结果由本人承担＞？＾学位论文作者（需亲笔）签名：重寒年＾月日学位论文版权使用授权书、本学位论文作者完全了解学校有关保留使用学位论文的规定，同意学校保留并向国家有关部口或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本

4、人授权南京农业大学可Ｗ将本学位论文的全部或部分内容编入有关数据库进行检索。，可Ｗ采用影印、缩印或扫描等复制手段保存和汇编本学位论文保密□，在年解密后适用本授权书。本学位论文属于不保密口。＿＂＂（请在Ｗ上方框内打Ｖ）学位论文作者（需亲笔）签名；年月＾日导师（需亲笔）签名：年月／日，６４节可＾户＾（＾年目录摘要ＩＡＢＳＴＲＡＣＴＩｌｌ一第章绪论１１．１选题背景和内容１１．２国内外研究状况１１．２．１启动子的研究现状２１．２．２剪接位点的研究现状２１．３论

5、文的主要工作和创新之处４１．４论文的结构安排４第二章功能位点的生物学基础７２．１基因７２．２分子生物学的中也法则８２．３启动子９２．４剪接位点１０２．４．１真核生物的剪接机制１１２．４．２组成性和选择性剪接位点１３２．４．３编码区和非编码区剪接位点１４第Ｈ章机器学习与特征选取１５３．１机器学习１５３．２支持向量机１５３．２．１线性可分情况１５３．２．２线性不可分情况１８３．３极限学习机２０３．３．１单隐含层前反馈神经网络２０３．３．

6、２极限学习机算法２１３．４特征信息选取２２３．４．１位点关联信息特征２２３．４．２位点组分信息特征２３３．４．３ＣｐＧ岛特征２４基于支持向量机和极限学习机的功能位点识别３．５位点的保守性分析２４３２５．６模型验证方法和指标第四章人类编码区剪接位点的识别２７４２．１数据集７４．２样本长度的选取２７４．３流程图２８４．４正负集１：１的预测结果与分析２９４．４．１位点的保守性分析２９４３０．４．２不同特征模型的结果分析４巧．５正负集１：１

7、０的预测结果与分析－第五章人类ｐｏＩＩ％ｌ启动子的识别５．１数据集３５５．２结果与分析；３５５．２．１位点的保守性分析％５．２．２不同特征模型的结果分析３６：Ｓ论３９参考：＾：献４１攻读硕±学位期间发表的论文４７４９致谢涯基于支持向量机和极限学习机的功能位点识别摘要ＮＡ一对Ｄ序列上的功能位点的识别成为生物信息学中的长期热点之。在对功。能位点进行预测时，有不同的方法来选择保守片段和识别功能位点本文基于极一限学习机和支持向量机提出了种识别功能位点的新方法

8、，而且给出了新的保守性强度公式来决定保守片段。本文先通过定义每个位点的保守性强度公式来确定保守区域，然后在多尺度参数的基础上，利用紧邻与非紧邻位置关联权重矩阵来提取保守区域的关联特征，在多样性增量分析的基础上，提取上下