| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 前言 | 第10-23页 |
| 1.1 论文选题及其研究意义 | 第10-11页 |
| 1.2 进化算法 | 第11-12页 |
| 1.2.1 遗传算法（GA） | 第11-12页 |
| 1.2.2 遗传编程（GP） | 第12页 |
| 1.3 基因表达式编程概述 | 第12-18页 |
| 1.3.1 GEP 的基本概念 | 第12-14页 |
| 1.3.2 遗传操作 | 第14-15页 |
| 1.3.3 适应度函数 | 第15-16页 |
| 1.3.4 GEP 算法的基本步骤 | 第16-17页 |
| 1.3.5 GEP 方法研究现状 | 第17-18页 |
| 1.4 定量构效关系 | 第18-19页 |
| 1.5 定量构效研究中常用的建模方法 | 第19-21页 |
| 1.5.1 人工神经网络 | 第19-20页 |
| 1.5.2 支持向量机 | 第20-21页 |
| 1.5.3 多元线性回归 | 第21页 |
| 1.5.4 偏最小二乘法 | 第21页 |
| 1.6 本文的主要工作安排 | 第21-23页 |
| 第二章 基于基因表达式编程的投影判别分析方法对有机化合物持久性分类研究 | 第23-34页 |
| 2.1 引言 | 第23-25页 |
| 2.2 方法 | 第25-27页 |
| 2.2.1 染色体、表达式树和 GEP 的 K 表达式 | 第25页 |
| 2.2.2 遗传操作和 GEP 过程 | 第25页 |
| 2.2.3 基于基因表达式编程的投影判别分析方法（GEPPDA） | 第25-26页 |
| 2.2.4 适应度函数 | 第26-27页 |
| 2.3 数据集 | 第27-28页 |
| 2.4 结果和讨论 | 第28-34页 |
| 第三章 基因表达式编程用于有机化合物毒性的定量构效关系研究25 | 第34-44页 |
| 3.1 引言 | 第34页 |
| 3.2 基因表达式编程方法 | 第34-36页 |
| 3.2.1 算法描述 | 第34-35页 |
| 3.2.2 参数设置 | 第35-36页 |
| 3.2.3 适应度函数 | 第36页 |
| 3.3 数据集 | 第36-40页 |
| 3.4 结果和讨论 | 第40-43页 |
| 3.5 小结 | 第43-44页 |
| 第四章 基于基因表达式编程的投影判别分析方法对茶叶和橄榄油的分类研究 | 第44-55页 |
| 4.1 引言 | 第44页 |
| 4.2 方法 | 第44页 |
| 4.3 数据集 | 第44-45页 |
| 4.3.1 茶叶数据集 | 第44-45页 |
| 4.3.2 意大利橄榄油数据集 | 第45页 |
| 4.4 结果和讨论 | 第45-55页 |
| 4.4.1 茶叶数据 | 第45-50页 |
| 4.4.2 意大利橄榄油数据 | 第50-55页 |
| 第五章 总结和展望 | 第55-56页 |
| 第六章 个人简历、在学期间发表的学术论文与研究成果 | 第56-57页 |
| 第七章 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
