学位论文 > 优秀研究生学位论文题录展示

生物信息学和生物信号识别领域的机器学习算法研究

作　者: 王岩
导　师: 周春光
学　校: 吉林大学
专　业: 计算机应用技术
关键词: 生物信息学生物信号识别机器学习操纵子预测味觉信号识别神经网络进化计算统计学习理论贝叶斯概率最小不确定性神经网络
分类号: Q811.4
类　型: 博士论文
年　份: 2007年
下　载: 708次
引　用: 0次
阅　读: 论文下载

内容摘要

本文在全面分析和了解了生物信息学中操纵子预测和生物信号识别中味觉信号识别等的研究现状、研究热点和发展趋势的基础上,重点研究了操纵子预测和味觉信号识别的计算机识别算法。在将已有机器学习方法应用于操纵子预测和辅助搭建多种味觉信号识别系统模型基础上,提出了三种新型的可应用于操纵子预测和味觉信号识别的算法。本文的主要贡献和研究内容如下:(1)对生物信息学中的操纵子预测和生物信号识别中的机器味觉识别研究进行了全面综述。介绍了操纵子预测和机器味觉研究的产生背景、应用领域、研究现状、面临的挑战和发展趋势。将已有神经网络、支持向量机及遗传算法应用于操纵子预测中,辅助完成多种味觉信号识别系统模型。这些内容的讨论和分析是开展进一步研究的基础。(2)阐述了操纵子预测和机器味觉的相关机器学习基础理论。介绍了基本的多层前向神经网络的结构设计和学习理论、进化计算的基础理论以及概率分析和统计学习理论相关基础。(3)提出了一种最小不确定性神经网络味觉信号识别系统模型。(4)提出了一种边界法加速支持向量机的方法。(5)提出了一种量子群进化算法模型。本文的研究结果丰富了机器学习理论的应用研究,在概率分析与神经网络结合、神经网络的结构设计和参数学习、支持向量机学习和改进优化进化计算方法等方面的研究具有一定的理论意义和应用价值,为操纵子预测和机器味觉的实用化研究提供了有意义的方法和手段。

全文目录

提要  4-7
第一章绪论  7-11
  1.1 研究背景  7-9
  1.2 本文工作  9-11
第二章生物信息学和生物信号识别  11-32
  2.1 引言  11-12
  2.2 生物信息学中的操纵子预测  12-24
  2.3 生物信号识别中的味觉信号识别  24-32
第三章机器学习相关算法  32-58
  3.1 引言  32-34
  3.2 人工神经网络  34-40
  3.3 进化计算  40-49
  3.4 统计学习  49-57
  3.5 机器学习研究的发展趋势  57-58
第四章最小不确定性神经网络  58-66
  4.1 最小不确定性神经网络模型  58-60
  4.2 最小不确定性神经网权值和阈值确定  60-63
  4.3 实验分析和结论  63-65
  4.4 小结  65-66
第五章边界法加速支持向量机  66-74
  5.1 钥匙向量集  67-68
  5.2 利用钥匙向量集训练 SVM  68-70
  5.3 实验分析和结论  70-73
  5.4 小结  73-74
第六章量子群进化算法  74-89
  6.1 量子进化  74-76
  6.2 量子角表示  76-77
  6.3 量子群算法  77-79
  6.4 实验结论及分析  79-88
  6.5 小结  88-89
第七章展望  89-90
  7.1 本文总结  89
  7.2 进一步设想  89-90
参考文献（REFERENCES）  90-98
作者博士期间发表的论文和参与的项目  98-102
致谢  102-103
学位论文摘要（中文）  103-105
学位论文摘要（英文 ABSTRACT）  105-106

生物信息学和生物信号识别领域的机器学习算法研究

内容摘要

全文目录

相似论文