| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章、前言 | 第12-17页 |
| ·引言 | 第12页 |
| ·QSAR研究的发展过程 | 第12-13页 |
| ·QSAR的研究现状 | 第13-17页 |
| ·药物设计和药物发现 | 第14页 |
| ·色谱 | 第14-15页 |
| ·有机化合物重要物理化学性质的预测 | 第15页 |
| ·环境科学 | 第15-17页 |
| 第二章、有机污染物的定量结构-活性/性质相关的研究方法 | 第17-56页 |
| ·QSAR/QSPR中常用的分子结构参数 | 第17-29页 |
| ·经典结构参数 | 第17-18页 |
| ·理论计算描述符 | 第18-29页 |
| ·QSAR/QSPR中常用的建模方法 | 第29-40页 |
| ·经典QSAR研究方法 | 第29-30页 |
| ·常用的QSAR研究方法 | 第30-40页 |
| ·改进的径向基神经网络 | 第40-41页 |
| ·温度限制串联相关网络 | 第41-45页 |
| ·理论背景 | 第41-42页 |
| ·TCCCN网络结构 | 第42页 |
| ·TCCCN网络模型的算法 | 第42-44页 |
| ·TCCCN的应用 | 第44-45页 |
| ·支持向量机方法 | 第45-56页 |
| ·理论背景 | 第45-46页 |
| ·统计学习理论的基本内容 | 第46-50页 |
| ·支持向量机(Support Vector Machine, SVM)理论 | 第50-53页 |
| ·SVM参数的优化 | 第53-54页 |
| ·支持向量机方法在QSAR/QSPR中的应用 | 第54-56页 |
| 第三章、温度限制串联相关网络用于硝基苯及同系物的QSAR研究 | 第56-65页 |
| ·引言 | 第56-57页 |
| ·数据与方法 | 第57-59页 |
| ·数据来源 | 第57-58页 |
| ·描述符的计算 | 第58-59页 |
| ·研究方法 | 第59页 |
| ·结果与讨论 | 第59-64页 |
| ·线性回归分析 | 第59-60页 |
| ·相关性分析 | 第60页 |
| ·BP网络模型 | 第60-62页 |
| ·温度限制串联相关网络 | 第62-64页 |
| ·结论 | 第64-65页 |
| 第四章、酚类化合物对黑呆头鱼毒性的QSAR研究 | 第65-77页 |
| ·引言 | 第65-66页 |
| ·数据与方法 | 第66-68页 |
| ·毒性数据 | 第66-67页 |
| ·描述符的计算 | 第67-68页 |
| ·研究方法 | 第68页 |
| ·结果与讨论 | 第68-75页 |
| ·线性逐步回归的结果 | 第68-69页 |
| ·BP网络结果 | 第69-71页 |
| ·径向基函数神经网络结果 | 第71-72页 |
| ·支持向量机结果 | 第72-75页 |
| ·结论 | 第75-77页 |
| 第五章、基于QSPR方法研究醇类化合物的水溶解度和分配系数 | 第77-93页 |
| ·引言 | 第77-78页 |
| ·建模数据及研究方法 | 第78-80页 |
| ·醇类化合物的数据 | 第78-79页 |
| ·描述符的计算 | 第79页 |
| ·研究方法 | 第79-80页 |
| ·结果与讨论 | 第80-92页 |
| ·多元线性逐步回归的结果 | 第80-81页 |
| ·BP网络的结果 | 第81-82页 |
| ·径向基神经网络的结果 | 第82-84页 |
| ·温度限制串联相关网络的结果 | 第84-86页 |
| ·支持向量机的结果 | 第86-92页 |
| ·结论 | 第92-93页 |
| 第六章、应用改进的径向基神经网络预测氯代有机化合物对发光细菌的毒性 | 第93-105页 |
| ·引言 | 第93-94页 |
| ·数据与方法 | 第94-97页 |
| ·氯代有机物的数据 | 第94-95页 |
| ·描述符的计算 | 第95-97页 |
| ·结果与讨论 | 第97-103页 |
| ·多元线性逐步回归的结果 | 第97页 |
| ·径向基函数神经网络的结果 | 第97-99页 |
| ·改进的径向基函数网络的结果 | 第99-103页 |
| ·结论 | 第103-105页 |
| 第七章、基于支持向量机方法在卤代苯及其同系物对鼠急性毒性的QSAR中的应用 | 第105-113页 |
| ·引言 | 第105-106页 |
| ·数据与方法 | 第106-107页 |
| ·卤代苯及其同系物的数据 | 第106-107页 |
| ·描述符的计算 | 第107页 |
| ·结果与讨论 | 第107-112页 |
| ·参数的选择 | 第107页 |
| ·径向基函数神经网络的结果 | 第107-108页 |
| ·支持向量机的结果 | 第108-112页 |
| ·结论 | 第112-113页 |
| 参考文献 | 第113-134页 |
| 致谢 | 第134-135页 |
| 在学期间公开发表论文情况 | 第135-136页 |
| 待发表论文 | 第136页 |
