| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 相关研究背景 | 第7-10页 |
| 1.1.1 课题研究意义 | 第7页 |
| 1.1.2 定量结构-活性关系QSAR | 第7-10页 |
| 1.2 QSAR研究现状 | 第10-12页 |
| 1.2.1 QSAR现状概述 | 第10页 |
| 1.2.2 QSAR应用领域 | 第10-11页 |
| 1.2.3 QSAR分子描述符的筛选 | 第11页 |
| 1.2.4 QSAR建模方法 | 第11页 |
| 1.2.5 QSAR发展和研究方向 | 第11-12页 |
| 1.3 本论文主要内容 | 第12-13页 |
| 第2章 数据挖掘方法 | 第13-20页 |
| 2.1 人工神经网络 | 第13-16页 |
| 2.1.1 BP人工神经网络 | 第13-15页 |
| 2.1.2 RBF人工神经网络 | 第15-16页 |
| 2.2 K-调和均值聚类 | 第16-17页 |
| 2.3 进化算法 | 第17-20页 |
| 2.3.1 遗传算法 | 第17-18页 |
| 2.3.2 粒子群算法 | 第18-20页 |
| 第3章 PSO BP ANN在药物PKA值预测中的应用 | 第20-29页 |
| 3.1 引言 | 第20页 |
| 3.2 数据和方法 | 第20-24页 |
| 3.2.1 数据集 | 第20-22页 |
| 3.2.2 分子描述符的产生 | 第22-23页 |
| 3.2.3 建模方法 | 第23-24页 |
| 3.3 结果与讨论 | 第24-29页 |
| 3.3.1 分子描述符的选择 | 第24-25页 |
| 3.3.2 预测结果 | 第25-27页 |
| 3.3.3 描述符的讨论 | 第27-29页 |
| 第4章 PSO KHM RBF ANN在保留时间预测中的应用 | 第29-36页 |
| 4.1 引言 | 第29页 |
| 4.2 数据和方法 | 第29-32页 |
| 4.2.1 数据集 | 第29-30页 |
| 4.2.2 分子描述符的产生 | 第30-31页 |
| 4.2.3 建模方法 | 第31-32页 |
| 4.3 结果与讨论 | 第32-36页 |
| 4.3.1 分子描述符的选择 | 第32页 |
| 4.3.2 预测结果 | 第32-34页 |
| 4.3.3 描述符的讨论 | 第34-36页 |
| 第5章 BBPSO KHM RBF ANN在林蛙蝌蚪毒性预测中的应用 | 第36-44页 |
| 5.1 引言 | 第36页 |
| 5.2 数据和方法 | 第36-40页 |
| 5.2.1 数据集 | 第36-39页 |
| 5.2.2 分子描述符的产生 | 第39页 |
| 5.2.3 建模方法 | 第39-40页 |
| 5.3 结果与讨论 | 第40-44页 |
| 5.3.1 分子描述符的选择 | 第40-41页 |
| 5.3.2 预测结果 | 第41-43页 |
| 5.3.3 描述符的讨论 | 第43-44页 |
| 第6章 结论与展望 | 第44-45页 |
| 6.1 结论 | 第44页 |
| 6.2 展望 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-56页 |
