论文目录 | |
摘要 | 第1-12
页 |
ABSTRACT | 第12-16
页 |
本论文创新之处 | 第16-17
页 |
第一章 定量结构一性质/活性关系的基本理论及研究进展 | 第17-72
页 |
· 定量结构一性质/活性关系的概述 | 第17-19
页 |
· QSPR/QSAR研究过程描述 | 第19-51
页 |
· QSPR/QSAR研究中的主要结构特征 | 第19-24
页 |
· 经验描述符 | 第20-22
页 |
· 理论计算描述符 | 第22-24
页 |
· 其它描述符 | 第24
页 |
· QSPR/QSAR研究中描述符选择方法 | 第24-27
页 |
· QSPR/QSAR研究中的建模方法 | 第27-48
页 |
· 线性方法 | 第28-29
页 |
· 非线性方法 | 第29-48
页 |
· 人工神经网络(ANN) | 第29-36
页 |
· 支持向量机算法(SVM) | 第36-48
页 |
· 模型的评价 | 第48-51
页 |
· 模型的稳定性和可靠性 | 第48-51
页 |
· 模型的预测能力 | 第51
页 |
· 定量结构—性质/活性关系的研究进展 | 第51-52
页 |
参考文献 | 第52-72
页 |
第二章 支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学中的应用研究 | 第72-120
页 |
· 基于支持向量机方法的预测范德华常数的QSPR研究 | 第72-91
页 |
· 引言 | 第72-73
页 |
· 实验部分 | 第73-84
页 |
· 数据准备 | 第73-84
页 |
· 分子描述符的产生 | 第84
页 |
· 方法 | 第84-85
页 |
· 多元线性回归 | 第84
页 |
· 支持向量机 | 第84
页 |
· SVM的计算执行环境 | 第84-85
页 |
· 结果和讨论 | 第85-91
页 |
· 结论 | 第91
页 |
· 用启发式(HM)和支持向量机(SVM)方法预测多种易挥发有机化合物的保留时间 | 第91-102
页 |
· 引言 | 第91-93
页 |
· 数据准备 | 第93-98
页 |
· 数据集 | 第93-98
页 |
· 分子描述符的产生 | 第98
页 |
· 方法 | 第98
页 |
· 结果和讨论 | 第98-102
页 |
· HM方法的结果 | 第98-101
页 |
· SVM的结果 | 第101-102
页 |
· 结论 | 第102
页 |
· 基于HM和RBFNN的低密聚乙烯的渗透系数的QSPR研究 | 第102-111
页 |
· 引言 | 第102-104
页 |
· 数据集的准备 | 第104-108
页 |
· 数据集 | 第104-106
页 |
· 分子描述符的产生 | 第106
页 |
· 分子多样性验证 | 第106-108
页 |
· 原理 | 第108
页 |
· 结果和讨论 | 第108-111
页 |
· HM的结果 | 第108-109
页 |
· RBFNNs的结果 | 第109-110
页 |
· 输入参数的讨论 | 第110-111
页 |
·结论 | 第111
页 |
参考文献 | 第111-120
页 |
第三章 支持向量机(SVM)和径向基神经网络(RBFNN)方法在环境化学中的应用研究 | 第120-176
页 |
· 基于支持向量机(SVM)和线性判别分析(LDA)方法对N-亚硝基化合物致癌性分类研究 | 第120-131
页 |
· 引言 | 第120-121
页 |
· 数据集和分子描述符的产生 | 第121-126
页 |
· 数据集 | 第121-125
页 |
· 分子描述符的产生 | 第125-126
页 |
· 方法 | 第126-127
页 |
· LDA方法 | 第126
页 |
· SVM理论 | 第126
页 |
· SVM的计算执行环境 | 第126-127
页 |
· 结果与讨论 | 第127-131
页 |
· LDA的结果 | 第127-129
页 |
· SVM模型的结果 | 第129-131
页 |
· 结论 | 第131
页 |
· 用SVM和HM方法对多氯二联苯二噁英、多氯二联苯呋喃、多氯联苯的QSAR研究 | 第131-143
页 |
· 引言 | 第131-133
页 |
· 数据集和分子描述符的产生 | 第133-135
页 |
· 数据集 | 第133-135
页 |
· 描述符的产生 | 第135
页 |
·方法 | 第135-136
页 |
· 结果和讨论 | 第136-143
页 |
· HM方法的结果 | 第136-140
页 |
· SVM模型的结果 | 第140-141
页 |
· 输入描述符的讨论 | 第141-143
页 |
· 结论 | 第143
页 |
· 易挥发有机化合物的感官刺激性(LOGRD50)的QSAR研究 | 第143-159
页 |
· 引言 | 第143-144
页 |
· 实验部分 | 第144-150
页 |
· 数据组成 | 第144-150
页 |
· 数据预处理 | 第150
页 |
· 方法 | 第150-151
页 |
· 结果和讨论 | 第151-159
页 |
· 分类模型的结果 | 第151-154
页 |
· LDA模型的结果 | 第151-152
页 |
· SVM模型的结果 | 第152-153
页 |
· 输入判别特征的讨论 | 第153-154
页 |
· 回归模型的结果 | 第154-159
页 |
· HM模型的结果 | 第154
页 |
· SVM模型的结果 | 第154-156
页 |
· RBFNN模型的结果 | 第156-157
页 |
· 输入参数的讨论 | 第157-159
页 |
· 结论 | 第159
页 |
· 启发式多元线性回归方法用于挥发性有机化合物在大鼠血液和空气中分配系数的定量构效关系研究 | 第159-166
页 |
· 引言 | 第159-160
页 |
· 实验部分 | 第160-163
页 |
· 数据集 | 第160-163
页 |
· 描述符的计算 | 第163
页 |
· 方法——启发式回归方法 | 第163-164
页 |
· 结果与讨论 | 第164-166
页 |
· 模型的建立 | 第164-165
页 |
· 参数的讨论 | 第165-166
页 |
· 模型的交互验证 | 第166
页 |
· 结论 | 第166
页 |
参考文献 | 第166-176
页 |
第四章 支持向量机(SVM)和径向基神经网络(RBFNN)方法在药物化学中的应用研究 | 第176-197
页 |
· 用RBFNN和HM方法预测中性和碱性药物的PK_A值 | 第176-183
页 |
· 引言 | 第176-177
页 |
· 数据集和分子描述符的产生 | 第177-179
页 |
· 数据集 | 第177-179
页 |
· 分子描述符的产生 | 第179
页 |
· 方法 | 第179-180
页 |
· 结果和讨论 | 第180-183
页 |
· HM方法的结果 | 第180-181
页 |
· RBFNN的结果 | 第181-182
页 |
· 输入描述符的讨论 | 第182-183
页 |
· 结论 | 第183
页 |
· 用SVM和HM方法预测多肽阴离子从水相到硝基苯相的吉布斯自由能 | 第183-193
页 |
· 引言 | 第183-185
页 |
· 实验部分 | 第185-188
页 |
· 数据集 | 第185-186
页 |
· 分子多样性分析 | 第186-187
页 |
· 分子描述符的产生 | 第187-188
页 |
· 方法 | 第188
页 |
· 结果和讨论 | 第188-193
页 |
· HM模型的结果 | 第188-190
页 |
· SVM和RBFNN模型的结果 | 第190-191
页 |
· 输入描述符的讨论 | 第191-193
页 |
· 结论 | 第193
页 |
参考文献 | 第193-197
页 |
附录Ⅰ 在读博士学位期间发表论文目录 | 第197-200
页 |
附录Ⅱ 作者简介 | 第200-202
页 |
致谢 | 第202-203页 |