基于支持向量机方法的高效液相色谱溶剂的分类与回归模型研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·色谱溶剂的分类 | 第10-11页 |
| ·化学模式识别 | 第11-12页 |
| ·定量构效关系 | 第12-13页 |
| ·分子描述符 | 第13-14页 |
| ·分类与回归的发展 | 第14页 |
| ·论文研究的目的及意义 | 第14-16页 |
| 2 基本原理与算法 | 第16-26页 |
| ·支持向量机分类 | 第16-20页 |
| ·分类思想 | 第17-20页 |
| ·支持向量机多分类 | 第20页 |
| ·支持向量机回归 | 第20-23页 |
| ·遗传算法 | 第23-24页 |
| ·基本思想及算法实现 | 第23-24页 |
| ·算法实现平台 | 第24-26页 |
| 3 基于支持向量机方法的溶剂分类研究 | 第26-34页 |
| ·训练集和测试集 | 第26页 |
| ·分子描述符 | 第26-29页 |
| ·分子描述符计算 | 第26-27页 |
| ·分子描述符选择 | 第27-28页 |
| ·数据归一化处理 | 第28-29页 |
| ·K 折交叉验证选择 SVM 参数建立模型 | 第29-31页 |
| ·模型预测与分析 | 第31-34页 |
| 4 基于支持向量机的溶剂性质的 QSPR 研究 | 第34-46页 |
| ·溶剂性质参数 | 第34-37页 |
| ·分子描述符的选择 | 第37-38页 |
| ·遗传算法选择描述符 | 第37-38页 |
| ·归一化数据 | 第38页 |
| ·利用支持向量机回归进行建模 | 第38页 |
| ·SVR 模型参数的选取 | 第38页 |
| ·构建回归模型并做出预测 | 第38-46页 |
| ·Kamlet-Taft 极性参数 | 第38-41页 |
| ·偶极距 | 第41-43页 |
| ·Hildebrandt 溶解度参数 | 第43-46页 |
| 5 结论 | 第46-48页 |
| 致谢 | 第48-50页 |
| 参考文献 | 第50-53页 |