| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 论文创新之处 | 第8-9页 |
| 第一章 支撑向量机算法的原理及在QSPR中的应用 | 第9-36页 |
| ·引言 | 第9-10页 |
| ·统计学习理论的简介 | 第10-12页 |
| ·机器学习 | 第10-11页 |
| ·Vapnik—Chervonenkis维 | 第11页 |
| ·结构风险最小化 | 第11-12页 |
| ·支撑向量机算法 | 第12-20页 |
| ·支撑向量机分类算法 | 第12-18页 |
| ·支持向量回归算法 | 第18-20页 |
| ·QSPR研究中的化学计量学方法 | 第20-24页 |
| ·定量结构—性质关系(QSPR) | 第20-22页 |
| ·QSPR建模的主要步骤 | 第22页 |
| ·化学计量学方法 | 第22-24页 |
| ·支持向量机算法在化学和医学中的应用 | 第24-26页 |
| 参考文献 | 第26-36页 |
| 第二章 基于支撑向量机和线形判别式的肾结石分类方法 | 第36-90页 |
| ·引言 | 第36-37页 |
| ·实验部分 | 第37-81页 |
| ·数据来源 | 第37-80页 |
| ·数据处理 | 第80-81页 |
| ·方法 | 第81-82页 |
| ·线性判别式(LDA) | 第81页 |
| ·支撑向量机 | 第81-82页 |
| ·SVM的实现和计算环境 | 第82页 |
| ·结果与讨论 | 第82-87页 |
| ·SVM预测结果 | 第82页 |
| ·LDA预测结果 | 第82-84页 |
| ·两类分类方法的比较 | 第84页 |
| ·结石形成的化学驱动力 | 第84-85页 |
| ·钙离子的生物学特性 | 第85-87页 |
| ·结论 | 第87页 |
| 参考文献 | 第87-90页 |
| 第三章 基于支撑向量机方法的有机化合物的生成吉布斯自由能的预测 | 第90-122页 |
| ·引言 | 第90-91页 |
| ·实验部分 | 第91-113页 |
| ·数据描述 | 第91-109页 |
| ·分子描述符的产生 | 第109-113页 |
| ·方法 | 第113页 |
| ·特征选择和多元线形回归分析 | 第113页 |
| ·支撑向量机 | 第113页 |
| ·SVM的实现和计算环境 | 第113页 |
| ·结果与讨论 | 第113-118页 |
| ·MLR的结果 | 第113-115页 |
| ·SVM的结果 | 第115-118页 |
| ·结论 | 第118-119页 |
| 参考文献 | 第119-122页 |
| 附录Ⅰ 在读硕士学位期间发表论文目录 | 第122-123页 |
| 附录Ⅱ 作者简介 | 第123-124页 |
| 致谢 | 第124-125页 |