中图网

>

生物科学

>

生物化学

蛋白质结构预测----支持向量机的应用

作者：孙向东刘拥军等

出版社：科学出版社出版时间：2017-04-01

开本： 16开 页数： 208

本类榜单：自然科学销量榜

中图价:¥53.7(7.9折) 定价 ~~¥68.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
宇宙、量子和人类心灵

宇宙、量子和人类心灵

¥41.6¥58
>
考研数学专题练1200题

考研数学专题练1200题

¥30.6¥78
>
希格斯:“上帝粒子”的发明与发现

希格斯:“上帝粒子”的发明与发现

¥17.4¥48
>
神农架叠层石:10多亿年前远古海洋微生物建造的大堡礁

神农架叠层石:10多亿年前远古海洋微生物建造的大堡礁

¥48¥120
>
二十四史天文志校注(上中下)

二十四史天文志校注(上中下)

¥261.3¥390
>
声音简史

声音简史

¥20.8¥52
>
浪漫地理学:追寻崇高景观

浪漫地理学:追寻崇高景观

¥39.3¥59

商品详情
商品评论(0条)

中图价:¥53.7 加入购物车

版权信息
本书特色
内容简介
目录

蛋白质结构预测----支持向量机的应用版权信息

ISBN：9787030223876
条形码：9787030223876 ; 978-7-03-022387-6
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
自然科学
>
生物科学
>
生物化学

蛋白质结构预测----支持向量机的应用本书特色

统计学习理论是20世纪90年代逐渐成熟的机器学习理论，以这种理论为基础的支持向量机与以往的学习机器相比具有支持小样本、不会陷入局部势井、鲁棒性好以及运算成本低等优势。实现这种理论的支持向量机算法已经成为机器学习和知识挖掘的标准工具。
　　自从2001年支持向量机被首次用于蛋白质二级结构的预测以来，这种算法发展到蛋白质的结构类型、亚细胞结构和膜蛋白的结构等领域的预测中。本书详细介绍了依据统计学习理论构建支持向量机的方法、各种相关软件原理和使用方法，并以二级结构和结构域为例介绍了以支持向量机为工具预测蛋白质结构的方法。书中使用了大量的原创性实验结果，理论联系实际，详细阐述了以支持向量机为工具预测蛋白质结构的全过程。
　　本书适合从事蛋白质结构基础研究的学生和科技工作者阅读。

蛋白质结构预测----支持向量机的应用内容简介

统计学习理论是20世纪90年代逐渐成熟的机器学习理论，以这种理论为基础的支持向量机与以往的学习机器相比具有支持小样本、不会陷入局部势井、鲁棒性好以及运算成本低等优势实现这种理论的支持向量机算法已经成为机器学习和知识挖掘的标准工具。自从2001年支持向量机被首次用于蛋白质二级结构的预测以来，这种算法发展到蛋白质的结构类型、亚细胞结构和膜蛋白的结构等领域的预测中。　　《生命科学前沿蛋白质结构预测：支持向量机的应用》详细介绍了依据统计学习理论构建支持向量机的方法、各种相关软件原理和使用方法，并以二级结构和结构域为例介绍了以支持向量机为工具预测蛋白质结构的方法。书中使用了大量的原创性实验结果，理论联系实际，详细阐述了以支持向量机为工具预测蛋白质结构的全过程。　　《生命科学前沿蛋白质结构预测：支持向量机的应用》适合从事蛋白质结构基础研究的学生和科技工作者阅读。

蛋白质结构预测----支持向量机的应用目录

前言第1章蛋白质结构预测概述1．1 蛋白质预测基本方法简介1．2 蛋白质二级结构和结构域预测方法简介第2章相关知识背景2．1 生物信息学2．1．1 生物信息学的定义、目的、内容和发展趋势2．1．2 基因组学2．1．3 蛋白质组学2．1．4 数据库2．2 蛋白质序列、结构与功能的关系2．3 机器学习2．3．1 机器学习的定义和特点2．3．2 基本的机器学习模型2．3．3 机器学习方法分类2．3．4 应用于生物信息学领域的机器学习方法第3章统计学习理论3．1 学习问题的表示方法3．1．1 概述3．1．2 学习问题的一般表示3．1．3 学习问题的模型3．1．4 经验风险*小化原则3．1．5 复杂性和推广能力3．1．6 模式识别问题3．2 统计学习理论的四个部分3．2．1 学习过程的一致性3．2．2 学习过程收敛速度的界3．2．3 控制学习过程推广能力的理论第4章构造支持向量机4．1 优化理论4．1．1 问题公式化4．1．2 拉格朗日理论4．1．3 KKT理论4．2 支持向量机4．2．1 支持向量机基本原理简介4．2．2 线性分类4．2．3 非线性分类4．2．4 多重分类第5章应用于支持向量机的主要算法5．1 支持向量机算法中目前的研究状况5．2 分解算法5．3 顺序*小优化算法5．3．1 顺序*小优化算法的原理5．3．2 两个拉格朗日乘子的优化问题5．3．3 选择待优化拉格朗日乘子的启发式方法5．3．4 每次*小优化后的重置工作5．3．5 顺序*小优化算法的特点和优势第6章 Libsvm简介6．1 公式6．1．1 C-支持向量分类（二元）6．1．2 u支持向量分类（二元）6．2 二次规划问题的解决6．2．1 C-SVC的分解算法6．2．2 工作集的选择和停止循环的标准6．2．3 u支持向量分类的分解方法6．2．4 解析解法6．2．5 b和ρ的计算6．3 压缩和缓存6．3．1 压缩6．3．2 缓存6．4 多元分类6．5 非平衡数据集6．6 模型的选择6．7 预测蛋白质结构中运用Libsvm的基本操作方法第7章蛋白质二级结构预测7．1 蛋白质结构7．1．1 蛋白质的一级结构7．1．2 蛋白质的二级结构特征7．1．3 蛋白质结构域、三级结构与四级结构7．2 蛋白质二级结构定义7．2．1 DSSP数据库中的蛋白质二级结构特征识别7．2．2 蛋白质二级结构鉴别方法7．2．3 DEFINE算法对于蛋白质二级结构的定义7．2．4 P-Cruve方法7．3 蛋白质二级结构预测7．3．1 概述7．3．2 样本集的选择7．3．3 二级结构规类方法7．3．4 运用支持向量机进行蛋白质结构预测的样本提取方法与编码规则7．3．5 二级结构预测准确率评估方法7．3．6 蛋白质二级结构预测结果第8章蛋白质折叠类型的预测8．1 简介8．2 蛋白质结构域数据8．2．1 DALI算法和FSSP数据库——距离矩阵比对的蛋白质结构比较8．2．2 CATH蛋白质结构域数据库8．2．3 SCOP数据库8．2．4 SCOP、CATH和FSSP的关系8．3 蛋白质结构域的支持向量机预测方法8．3．1 蛋白质结构域预测中的样本集选择8．3．2 编码方法8．3．3 拓扑预测准确率的评估方法8．3．4 分类器设计与软件使用方法8．3．5 结果与分析8．4 小结8．4．1 结论8．4．2 讨论参考文献附表1 RS126数据集附表2 CB513数据集附表3 蛋白质结构域拓扑层预测样本集附表4 蛋白质结构域同源超族层预测样本集附表5 蛋白质结构域序列家族层样本集

展开全部

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐