第一章：生物信息学的概念 及其发展历史.pptVIP

二、Elman神经网络应用示例—内含子与外显子识别 第七节 支持向量机 一、SVM分类 二、SVM回归 三、SVM训练算法 （一）块算法 （二）固定工作样本集方法 四、SVM的优缺点 优点： 非线性、适用小样本、泛化推广能力优异、避免局部极值、避免“维数灾难” 缺点： 可解释性差、对大训练样本计算复杂度高、核函数的选择缺乏先验的理论指导 五、基于Python的LIBSVM简介 第八节 MATLAB的应用实例 一、数据获取 NCBI EF221854 二、序列分析 （一）绘制密度图 ntdensity(seq) （二）计算核苷酸数目 basecount(seq) （三）显示核苷酸互补链 seqrcomplement(seq) （四）计算二聚体个数 dimercount(mitochondria,chart,bar) （五）计算密码子使用频率 codoncount(ntseq) （六）ORF分析 f=seqshoworfs(ntseq) （七）序列翻译 ND2AASeq=nt2aa(ND2Seq) （八）序列比对 三、系统发生分析 （一）首先建立MATLAB结构，将要分析的各物种的信息输入 （二）准备序列 （三）计算各序列之间的距离 Distance = seqpdist(Seqs) （四）对序列比对的距离进行构树 Tree=seq