| 中文摘要 | 第1-9页 |
| 英文摘要 | 第9-12页 |
| 第一部分 绪论 | 第12-32页 |
| 1 主成分分析(PCA) | 第12-17页 |
| ·数学原理与几何解释 | 第12-14页 |
| ·主成分的推导 | 第14-16页 |
| ·两个线性代数的结论 | 第14-15页 |
| ·主成分的推导 | 第15-16页 |
| ·主成分分析的应用 | 第16-17页 |
| 2 人工神经网络 | 第17-24页 |
| ·人工神经网络的发展 | 第17-18页 |
| ·反向传播BP网络 | 第18-22页 |
| ·BP算法的原理 | 第18-21页 |
| ·BP算法的执行步骤 | 第21-22页 |
| ·人工神经网络的应用 | 第22-24页 |
| 3 聚类分析 | 第24-28页 |
| ·聚类分析的原理 | 第25-26页 |
| ·系统聚类法 | 第26-27页 |
| ·聚类分析的应用 | 第27-28页 |
| 参考文献 | 第28-32页 |
| 第二部分 金属类配合物与DNA相互作用的预测性研究 | 第32-49页 |
| 一、引言 | 第32-35页 |
| 二、数据和方法 | 第35-39页 |
| ·数据 | 第35-38页 |
| ·方法 | 第38-39页 |
| 三、结果和讨论 | 第39-45页 |
| ·影响目标分子与 DNA相互作用参数的选择 | 第39-43页 |
| ·多元线性回归和人工神经网络预测键合常数 | 第43-45页 |
| 四、结论 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 第三部分 抗生类化合物与 DNA相互作用的化学计量学研究 | 第49-62页 |
| 一、引言 | 第49页 |
| 二、方法和数据 | 第49-52页 |
| ·数据 | 第50-52页 |
| ·参数的选择 | 第52页 |
| 三、结果与讨论 | 第52-59页 |
| ·影响DNA与抗生素相互作用的参数(因素)的选择 | 第52-55页 |
| ·主成分分析(PCA) | 第52-55页 |
| ·系统聚类分析(HCA) | 第55页 |
| ·影响因素的分析 | 第55-58页 |
| ·多元线性回归(MLR)和人工神经网络(ANN) | 第58-59页 |
| ·作用常数的线性预测模型 | 第58-59页 |
| ·人工神经网络(ANN)对作用常数和模式的预测 | 第59页 |
| 四、结论 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 第四部分 模型对于杂环类分子与 DNA相互作用常数的预测 | 第62-71页 |
| 一、引言 | 第62页 |
| 二、数据 | 第62-64页 |
| 三、结果和讨论 | 第64-69页 |
| ·影响相互作用因素的分析 | 第64-67页 |
| ·主成分分析 | 第64-66页 |
| ·系统聚类分析(HCA) | 第66-67页 |
| ·影响因素的分析 | 第67-68页 |
| ·多元线性回归 MLR模型对于作用常数的预测 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 硕士期间发表的论文 | 第71-72页 |
| 致谢 | 第72页 |
