首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于图数据挖掘的化合物性质预测方法研究

摘要第5-6页
abstract第6-7页
第一章 绪论第10-17页
    1.1 研究背景与意义第10-11页
    1.2 研究现状第11-14页
        1.2.1 化合物性质预测第11-12页
        1.2.2 图数据挖掘算法第12-14页
        1.2.3 现有研究存在的问题与不足第14页
    1.3 研究内容第14页
    1.4 研究对象和方法第14-16页
        1.4.1 研究对象第14-15页
        1.4.2 研究方法第15-16页
    1.5 论文的组织结构第16-17页
第二章 相关工作介绍第17-26页
    2.1 图数据挖掘第17-22页
        2.1.1 相关定义第17-18页
        2.1.2 图的相似性计算第18-20页
        2.1.3 频繁子图挖掘第20-22页
    2.2 分类分析第22-25页
        2.2.1 单类分类第22-23页
        2.2.2 集成分类第23-25页
    2.3 本章小结第25-26页
第三章 基于频繁子图挖掘的化学图特征提取方法研究第26-40页
    3.1 方法概述与流程第26-30页
        3.1.1 问题定义第26页
        3.1.2 方法流程第26-30页
    3.2 算法描述第30-31页
    3.3 实验结果与分析第31-39页
        3.3.1 数据搜集与预处理第31-32页
        3.3.2 实验设定与评价指标第32-33页
        3.3.3 对比gSpan和AC-gSpan性能第33-36页
        3.3.4 在OC-SVM上分类效果第36-39页
    3.4 本章小结第39-40页
第四章 化合物性质预测分类分析方法研究第40-50页
    4.1 方法概述与流程第40-44页
        4.1.1 问题定义第40页
        4.1.2 方法流程第40-42页
        4.1.3 Adaboost算法理论分析第42-44页
    4.2 算法描述第44-45页
    4.3 实验结果与分析第45-49页
        4.3.1 数据预处理第45页
        4.3.2 实验设定与评价指标第45页
        4.3.3 分类效果对比第45-49页
    4.4 本章小结第49-50页
第五章 总结与展望第50-51页
    5.1 总结第50页
    5.2 展望第50-51页
参考文献第51-54页
致谢第54-55页
作者简介第55页

论文共55页,点击 下载论文
上一篇:含氟环戊烯与新型手性多齿配体的合成
下一篇:刺激—响应的超分子组装体系的构筑