摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第10-22页 |
1 QSAR的定义 | 第10页 |
2 QSAR的发展历程 | 第10-11页 |
3 QSAR的特征提取和特征选择 | 第11-16页 |
3.1 特征提取方法 | 第11-14页 |
3.2 特征选择方法 | 第14-16页 |
4 QSAR的主要建模方法 | 第16-20页 |
4.1 偏最小二乘回归 | 第17页 |
4.2 人工神经网络 | 第17-18页 |
4.3 遗传算法 | 第18-19页 |
4.4 支持向量机 | 第19-20页 |
5 本文主要研究内容和创新点 | 第20页 |
5.1 本文主要研究内容 | 第20页 |
5.2 本文主要创新点 | 第20页 |
6 本文内容编排 | 第20-22页 |
第二章 原理与方法 | 第22-34页 |
1 特征提取 | 第22页 |
2 特征选择 | 第22-27页 |
2.1 最小冗余最大相关特征选择方法 | 第23-24页 |
2.2 相关性度量指标 | 第24-27页 |
2.3 mRMR-dCor算法 | 第27页 |
3 支持向量机建模与过滤特征 | 第27-31页 |
3.1 支持向量回归 | 第27-29页 |
3.2 Libsvm | 第29-30页 |
3.3 核函数 | 第30页 |
3.4 前向选择最优特征子集 | 第30-31页 |
4 模型验证 | 第31-32页 |
5 可解释性体系 | 第32-34页 |
5.1 SVR模型回归显著性检验 | 第32-33页 |
5.2 单因子重要性分析 | 第33页 |
5.3 单因子效应分析 | 第33-34页 |
第三章 醇酚类化合物的毒性QSAR研究 | 第34-45页 |
1 引言 | 第34-35页 |
2 材料与方法 | 第35-38页 |
2.1 数据集 | 第35-37页 |
2.2 描述符的提取与筛选 | 第37页 |
2.3 mRMR-dCor特征选择 | 第37页 |
2.4 模型建立与评估 | 第37-38页 |
3 结果与讨论 | 第38-43页 |
3.1 预测表现 | 第38-39页 |
3.2 模型解释 | 第39-43页 |
4 结论 | 第43-45页 |
第四章 QSAR预测芳香类化合物的生物富集因子及辛醇水分配系数 | 第45-53页 |
1 引言 | 第45页 |
2 材料与方法 | 第45-49页 |
2.1 数据集与分子描述符 | 第45-47页 |
2.2 描述符的提取与筛选 | 第47页 |
2.3 分摊冗余特征筛选 | 第47-48页 |
2.4 模型建立与评估 | 第48-49页 |
3 结果与讨论 | 第49-52页 |
3.1 预测表现 | 第49-50页 |
3.2 结果分析 | 第50-52页 |
4 结论 | 第52-53页 |
第五章 总结与展望 | 第53-54页 |
1 总结 | 第53页 |
1.1 醇酚类化合物的毒性QSAR研究 | 第53页 |
1.2 QSAR预测芳香类化合物的生物富集因子及辛醇水分配系数 | 第53页 |
2 展望 | 第53-54页 |
2.1 提取更全面的描述符 | 第53页 |
2.2 构建更合理的数据集 | 第53页 |
2.3 将mRMR-dCor方法与更多的分类器结合 | 第53-54页 |
参考文献 | 第54-63页 |
致谢 | 第63-64页 |
作者简介 | 第64页 |