1)针对神经网络的计算复杂度较高问题,提出了一种新型的径向基概率神经网络模型,设计多种改进的学习方法,大大优化了神经网络的结构与规模,提高了神经网络的学习能力与推广性能。 2)针对反馈神经网络训练时收敛速度慢,难以获得最优解的问题,提出了一种混合算法PSO-BP,较快较准确地训练神经网络权值;针对特征维数过高时上决策表不可用的瓶颈问题,提出了一种广义的决策公式泛化CPL-AdS策略,求解随机点定位。 3)利用氨基酸的进化保守性和氨基酸突出指数,预测蛋白质相互作用位点和结合面热点残基,验证了自然选择法则对蛋白质进化过程中的约束作用;针对当前序列比对算法中,蛋白质序列信息使用不充分问题,提出了两种新的系列比对算法NFV-AAA和AJD-NNM。