| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| 1 引言 | 第9页 |
| 2 QSAR/QSPR研究及其步骤 | 第9-10页 |
| 3 QSAR/QSPR中的建模方法 | 第10-12页 |
| ·多元线性回归(MLR) | 第10-11页 |
| ·主成分回归(PCR) | 第11页 |
| ·偏最小二乘(PLS) | 第11页 |
| ·人工神经网络(ANN) | 第11-12页 |
| ·支持向量机(SVM) | 第12页 |
| 4 QSAR/QSPR建模中应注意的问题 | 第12-13页 |
| 5 本文所包含的内容 | 第13-15页 |
| 第二章 基于投影寻踪分子结构信息的挖掘 | 第15-24页 |
| 1 理论与方法 | 第15-16页 |
| ·投影寻踪 | 第15-16页 |
| ·投影方向的优化 | 第16页 |
| 2 数据与计算程序 | 第16-17页 |
| 3 结果与讨论 | 第17-22页 |
| ·四类拓扑指数的回归分析 | 第17页 |
| ·四类拓扑指数的信息挖掘 | 第17-22页 |
| 4 结论 | 第22-24页 |
| 第三章 有机化合物粘度的线性与非线性预测模型的构建 | 第24-31页 |
| 1 理论部分 | 第24-26页 |
| ·主成分回归 | 第24页 |
| ·偏最小二乘法 | 第24-25页 |
| ·径向基网络 | 第25页 |
| ·支持向量回归 | 第25-26页 |
| 2 实验部分 | 第26-27页 |
| 3 结果与讨论 | 第27-31页 |
| ·特征的选择 | 第27-28页 |
| ·模型比较 | 第28-31页 |
| 第四章 32个药物分子水溶性预测的QSPR研究 | 第31-46页 |
| 1 引言 | 第31页 |
| 2 数据集 | 第31-32页 |
| 3 分子模拟与描述符计算 | 第32-35页 |
| 4 模型验证 | 第35页 |
| 5 结果与讨论 | 第35-39页 |
| ·PLS模型 | 第35-38页 |
| ·支持向量回归模型 | 第38页 |
| ·人工神经网络模型 | 第38-39页 |
| 6 225个药物分子的验证 | 第39-40页 |
| 7 结论 | 第40-41页 |
| 8 32个药物分子的预测 | 第41-46页 |
| 第五章 QSAR/QSPR中奇异样本诊断的新策略 | 第46-63页 |
| 1 理论与方法 | 第47-54页 |
| ·QSAR模型中的奇异样本 | 第47页 |
| ·Cook距离 | 第47-48页 |
| ·拟合残基和预测残基 | 第48-50页 |
| ·MC方法 | 第50-54页 |
| 2 数据集 | 第54页 |
| ·模拟数据 | 第54页 |
| ·QSAR/QSPR数据 | 第54页 |
| 3 结果和讨论 | 第54-62页 |
| ·模拟数据 | 第54-57页 |
| ·Stack Loss Plant数据 | 第57-58页 |
| ·QSAR/QSPR数据 | 第58-62页 |
| ·沸点数据 | 第58-60页 |
| ·水溶性数据 | 第60-62页 |
| 4 结论 | 第62-63页 |
| 参考文献 | 第63-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间主要研究成果 | 第72页 |