掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
蛋白質結構預測----支持向量機的應用 版權信息
- ISBN：9787030223876
- 條形碼：9787030223876 ; 978-7-03-022387-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
蛋白質結構預測----支持向量機的應用 本書特色
統計學習理論是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勢。實現這種理論的支持向量機算法已經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二級結構的預測以來，這種算法發展到蛋白質的結構類型、亞細胞結構和膜蛋白的結構等領域的預測中。本書詳細介紹了依據統計學習理論構建支持向量機的方法、各種相關軟件原理和使用方法，并以二級結構和結構域為例介紹了以支持向量機為工具預測蛋白質結構的方法。書中使用了大量的原創性實驗結果，理論聯系實際，詳細闡述了以支持向量機為工具預測蛋白質結構的全過程。
本書適合從事蛋白質結構基礎研究的學生和科技工作者閱讀。
蛋白質結構預測----支持向量機的應用 內容簡介
統計學習理論是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勢實現這種理論的支持向量機算法已經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二級結構的預測以來，這種算法發展到蛋白質的結構類型、亞細胞結構和膜蛋白的結構等領域的預測中！ 渡茖W前沿 蛋白質結構預測：支持向量機的應用》詳細介紹了依據統計學習理論構建支持向量機的方法、各種相關軟件原理和使用方法，并以二級結構和結構域為例介紹了以支持向量機為工具預測蛋白質結構的方法。書中使用了大量的原創性實驗結果，理論聯系實際，詳細闡述了以支持向量機為工具預測蛋白質結構的全過程。 《生命科學前沿 蛋白質結構預測：支持向量機的應用》適合從事蛋白質結構基礎研究的學生和科技工作者閱讀。
蛋白質結構預測----支持向量機的應用 目錄
前言
第1章 蛋白質結構預測概述1．1 蛋白質預測基本方法簡介1．2 蛋白質二級結構和結構域預測方法簡介第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、內容和發展趨勢2．1．2 基因組學2．1．3 蛋白質組學2．1．4 數據庫2．2 蛋白質序列、結構與功能的關系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 經驗風險*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 構造支持向量機4．1 優化理論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*小優化算法5．3．1 順序*小優化算法的原理5．3．2 兩個拉格朗日乘子的優化問題5．3．3 選擇待優化拉格朗日乘子的啟發式方法5．3．4 每次*小優化后的重置工作5．3．5 順序*小優化算法的特點和優勢第6章 Libsvm簡介6．1 公式6．1．1 C-支持向量分類（二元）6．1．2 u支持向量分類（二元）6．2 二次規劃問題的解決6．2．1 C-SVC的分解算法6．2．2 工作集的選擇和停止循環的標準6．2．3 u支持向量分類的分解方法6．2．4 解析解法6．2．5 b和ρ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 非平衡數據集6．6 模型的選擇6．7 預測蛋白質結構中運用Libsvm的基本操作方法第7章 蛋白質二級結構預測7．1 蛋白質結構7．1．1 蛋白質的一級結構7．1．2 蛋白質的二級結構特征7．1．3 蛋白質結構域、三級結構與四級結構7．2 蛋白質二級結構定義7．2．1 DSSP數據庫中的蛋白質二級結構特征識別7．2．2 蛋白質二級結構鑒別方法7．2．3 DEFINE算法對于蛋白質二級結構的定義7．2．4 P-Cruve方法7．3 蛋白質二級結構預測7．3．1 概述7．3．2 樣本集的選擇7．3．3 二級結構規類方法7．3．4 運用支持向量機進行蛋白質結構預測的樣本提取方法與編碼規則7．3．5 二級結構預測準確率評估方法7．3．6 蛋白質二級結構預測結果
第8章 蛋白質折疊類型的預測8．1 簡介8．2 蛋白質結構域數據8．2．1 DALI算法和FSSP數據庫——距離矩陣比對的蛋白質結構比較8．2．2 CATH蛋白質結構域數據庫8．2．3 SCOP數據庫8．2．4 SCOP、CATH和FSSP的關系8．3 蛋白質結構域的支持向量機預測方法8．3．1 蛋白質結構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 結果與分析8．4 小結8．4．1 結論8．4．2 討論參考文獻
附表1 RS126數據集附表2 CB513數據集附表3 蛋白質結構域拓撲層預測樣本集附表4 蛋白質結構域同源超族層預測樣本集附表5 蛋白質結構域序列家族層樣本集
展開全部
書友推薦
- >
小考拉的故事-套裝共3冊
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
回憶愛瑪儂
- >
唐代進士錄
- >
二體千字文
- >
龍榆生：詞曲概論/大家小書
- >
伊索寓言-世界文學名著典藏-全譯本
本類暢銷
