生物信息学算法与实践讲义-科学网—博客.pdf

生物信息学算法与实践 讲义 曹同成 2005 年 目录 目 录 第一章 前言1 1.1 本门课的学习目的和学习内容1 1.2 主要生物信息学数据库介绍2 第二章 牛顿迭代法9 2.1 闭区间套法（二分法）9 2.2 简单迭代法14 2.3 牛顿迭代法16 第三章 线性方程组的数值解法20 3.1 高斯消去法20 3.1.1 基本思想20 3.1.2 基本方法21 3.1.3 高斯消去法的矩阵形式23 3.2 主元素消去法25 3.2.1 列主元消去法25 3.2.2 全主元消去法27 第四章 矩阵求拟32 4.1 高斯-约当消去法解式（3.1 ）32 4.2 求逆矩阵的高斯-约当消去法 32 第五章 最小二乘曲线拟合38 5.1 曲线拟合38 5.2 回归39 5.3 最小二乘39 5.4 最小二乘曲线拟合40 第六章 模式识别42 6.1 模式识别42 6.1.1 概述42 6.1.2 模式识别的主要步骤42 6.2 主成分分析法44 6.2.1 概述44 6.2.2 原理44 6.2.3 SVD 分解44 6.2.4 主成分分析的数学与几何的意义46 6.2.5 主成分分析的基本步骤47 6.2.6 主成分分析的 Matlab 程序段48 6.2.7 主成分分析的应用示例49 6.3 偏最小二乘回归51 6.3.1 概述51 6.3.2 原理52 6.3.3 算法53 6.3.4 主成分数的判定54 6.4 模式识别中的应用55 6.4.1 概述55 目录 6.4.2 化整函数55 6.4.3 应用实例56 第七章 遗传算法59 7.1 引言59 7.2 优化算法59 7.3 简单遗传算法（SGA ）61 7.3.1 简介61 7.3.2 遗传算法的优缺点63 7.4 数值遗传算法(Numeric Genetic Algorithm, NGA)65 7.5 遗传算法的应用72 7.6 遗传算法在生物和化学中的应用74 7.7 遗传算法的讨论和发展76 7.8 其他优化算法77 7.8.1 禁忌搜索77 7.8.2 粒子群算法78 7.8.3 人工蚁群算法80 7.8.4 免疫算法80 7.8.5 其他算法81 第八章 分子对接82