| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第1章 绪论 | 第11-19页 |
| 1． 1 定量结构活性相关性研究 | 第12-13页 |
| 1． 2 遗传算法 | 第13-14页 |
| 1． 3 粒子群优化算法 | 第14-15页 |
| 1． 4 蚁群优化算法 | 第15页 |
| 1． 5 人工神经网络 | 第15-16页 |
| 1． 6 本论文的研究工作 | 第16-19页 |
| 第2章 改进的粒子群优化算法用于多元线性回归和偏最小二乘的变量选择 | 第19-31页 |
| 2． 1 前言 | 第19-20页 |
| 2． 2 理论 | 第20-22页 |
| 2． 2． 1 粒子群优化算法 | 第20-21页 |
| 2． 2． 2 改进的离散粒子群优化算法 | 第21-22页 |
| 2． 2． 3 目标函数 | 第22页 |
| 2． 3 血管紧缩素Ⅱ拮抗物数据 | 第22-25页 |
| 2． 4 结果与讨论 | 第25-30页 |
| 2． 4． 1 改进的PSO用于多元线性回归的变量选择和构效关系研究 | 第25-27页 |
| 2． 4． 2 改进的PSO用于偏最小二乘的变量选择和构效关系研究 | 第27-30页 |
| 2． 5 小结 | 第30-31页 |
| 第3章 杂交粒子群算法用于自适应训练多层前向神经网络 | 第31-46页 |
| 3． 1 前言 | 第31-32页 |
| 3． 2 理论 | 第32-35页 |
| 3． 2． 1 粒子群优化算法 | 第32-33页 |
| 3． 2． 2 改进的离散粒子群优化算法 | 第33页 |
| 3． 2． 3 多层神经网络 | 第33-34页 |
| 3． 2． 4 杂交的粒子群优化自适应训练神经网络 | 第34-35页 |
| 3． 2． 5 目标函数 | 第35页 |
| 3． 3 数据集 | 第35-39页 |
| 3． 3． 1 芳香胺数据集 | 第35-39页 |
| 3． 3． 2 偏端霉素和类偏端霉素衍生物数据 | 第39页 |
| 3． 4 结果与讨论 | 第39-45页 |
| 3． 4． 1 芳香胺数据集 | 第39-42页 |
| 3． 4． 2 偏端霉素和类偏端霉素衍生物数据 | 第42-43页 |
| 3． 4． 3 HPSONN算法中参数的选择 | 第43-45页 |
| 3． 5 小结 | 第45-46页 |
| 第4章 粒子群算法最优分配最小生成树用于分段建模 | 第46-56页 |
| 4． 1 前言 | 第46-47页 |
| 4． 2 理论 | 第47-49页 |
| 4． 2． 1 最小生成树算法 | 第47页 |
| 4． 2． 2 改进的离散粒子群优化算法 | 第47-48页 |
| 4． 2． 3 粒子群优化分段建模 | 第48-49页 |
| 4． 2． 4 目标函数 | 第49页 |
| 4． 3 血管紧缩素Ⅱ拮抗物数据 | 第49-50页 |
| 4． 4 结果与讨论 | 第50-55页 |
| 4． 4． 1 整体数据集的构效关系研究 | 第50-51页 |
| 4． 4． 2 用粒子群优化分段建模进行构效关系研究 | 第51-55页 |
| 4． 5 小结 | 第55-56页 |
| 第5章 改进的蚁群优化算法用于定量构效关系的变量选择 | 第56-66页 |
| 5． 1 前言 | 第56-57页 |
| 5． 2 理论 | 第57-60页 |
| 5． 2． 1 蚁群优化算法 | 第57-58页 |
| 5． 2． 2 改进的蚁群优化算法 | 第58-60页 |
| 5． 2． 3 目标函数 | 第60页 |
| 5． 3 环氧酶抑制活性数据 | 第60-62页 |
| 5． 4 结果与讨论 | 第62-65页 |
| 5． 5 小结 | 第65-66页 |
| 第6章 基于修正Cp统计量作目标函数的进化算法对多元线性回归和偏最小二乘的变量选择 | 第66-75页 |
| 6． 1 前言 | 第66-67页 |
| 6． 2 修正的Cp统计量用于变量选择的QSAR研究 | 第67-68页 |
| 6． 2． 1 修正的Cp统计量用于MLR中的变量选择 | 第67-68页 |
| 6． 2． 2 修正的Cp统计量用于PLS中的变量选择 | 第68页 |
| 6． 2． 3 用修正Cp统计量作目标函数的进化算法对MLR和PLS进行变量选择 | 第68页 |
| 6． 3 芳香胺数据集 | 第68-69页 |
| 6． 4 结果与讨论 | 第69-74页 |
| 6． 4． 1 基于修正Cp统计量的变量选择的MLR研究 | 第69页 |
| 6． 4． 2 基于修正的Cp统计量的变量选择的PLS方法 | 第69-74页 |
| 6． 4． 3 用QSAR模型预测致癌活性 | 第74页 |
| 6． 5 小结 | 第74-75页 |
| 第7章 酪氨酸激酶抑制剂的定量结构-活性相关性研究 | 第75-86页 |
| 7． 1 前言 | 第75页 |
| 7． 2 数据集和方法 | 第75-80页 |
| 7． 2． 1 数据集 | 第75-76页 |
| 7． 2． 2 描述变量 | 第76-80页 |
| 7． 2． 3 方法 | 第80页 |
| 7． 3 结果与讨论 | 第80-85页 |
| 7． 3． 1 一些描述变量的定义 | 第80页 |
| 7． 3． 2 修正的Cp统计量 | 第80-81页 |
| 7． 3． 3 1-苯基苯并咪唑类化合物的QSAR模拟 | 第81-84页 |
| 7． 3． 4 PDGFR抑制剂的主成分分析 | 第84-85页 |
| 7． 4 小结 | 第85-86页 |
| 第8章 岭正交信号校正的数据预处理方法用于偏最小二乘模拟 | 第86-97页 |
| 8． 1 前言 | 第86-87页 |
| 8． 2 理论 | 第87-89页 |
| 8． 2． 1 正交信号校正 | 第87页 |
| 8． 2． 2 岭正交信号校正 | 第87-89页 |
| 8． 2． 3 广义交互检验用于确定n和λ | 第89页 |
| 8． 3 COX-2抑制剂数据 | 第89-90页 |
| 8． 4 结果与讨论 | 第90-96页 |
| 8． 4． 1 无预处理数据的偏最小二乘模拟的构效关系研究 | 第90-92页 |
| 8． 4． 2 ROSC预处理数据的偏最小二乘模拟的构效关系研究 | 第92-96页 |
| 8． 5 小结 | 第96-97页 |
| 结论 | 第97-98页 |
| 参考文献 | 第98-116页 |
| 致谢 | 第116-117页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第117页 |
