| 摘要 | 第3-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第11-16页 |
| 1 研究背景与研究目的和意义 | 第11页 |
| 2 研究现状 | 第11-15页 |
| 2.1 天然产物抗肿瘤研究现状 | 第11-12页 |
| 2.2 三萜皂苷免疫调节研究现状 | 第12-13页 |
| 2.3 机器学习研究现状 | 第13-15页 |
| 3 本文内容安排与创新点 | 第15-16页 |
| 第二章 基于旋转森林算法的天然产物抗肿瘤活性的预测 | 第16-37页 |
| 1 实验数据收集 | 第16-18页 |
| 2 实验方法 | 第18-22页 |
| 2.1 癌细胞对天然产物敏感性的预测策略 | 第18-20页 |
| 2.2 特征描述 | 第20-21页 |
| 2.3 算法介绍 | 第21-22页 |
| 3 实验结果与分析 | 第22-35页 |
| 3.1 癌细胞系聚类数目的确定 | 第22-25页 |
| 3.2 重要特征的评估 | 第25-30页 |
| 3.3 算法结果比较 | 第30-33页 |
| 3.4 个案研究 | 第33-35页 |
| 4 本章小结 | 第35-37页 |
| 第三章 基于集成算法的三萜皂苷免疫调节活性的预测 | 第37-45页 |
| 1 实验数据收集 | 第37-39页 |
| 2 实验方法 | 第39-41页 |
| 2.1 三萜皂苷免疫调节活性的预测策略 | 第39页 |
| 2.2 特征描述 | 第39-40页 |
| 2.3 算法介绍 | 第40-41页 |
| 3 实验结果与分析 | 第41-44页 |
| 3.1 特征选择 | 第41-43页 |
| 3.2 集成分类器的建立 | 第43-44页 |
| 4 本章小结 | 第44-45页 |
| 第四章 结论与展望 | 第45-47页 |
| 1 全文总结 | 第45页 |
| 2 进一步研究展望 | 第45-47页 |
| 参考文献 | 第47-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士期间发表的学术论文 | 第54页 |