| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 第1章 绪论 | 第15-27页 |
| ·多变量图像解析 | 第16-22页 |
| ·人工神经网络(Artificial Neural Networks, ANN) | 第22页 |
| ·支持向量机(Support Vector Machine, SVM) | 第22-23页 |
| ·粒子群优化算法(Particle Swarm Optimization, PSO) | 第23-24页 |
| ·本论文的研究工作 | 第24-27页 |
| 第2章 多变量图像分割的空间导向凝聚法及棕榈氯霉素同质多晶拉曼成像分析应用 | 第27-42页 |
| ·前言 | 第27-28页 |
| ·实验部分 | 第28-31页 |
| ·仪器装置 | 第28页 |
| ·样品制备 | 第28-29页 |
| ·化学成像 | 第29页 |
| ·基于空间导向凝聚法的多变量图像分割 | 第29-31页 |
| ·结果与讨论 | 第31-40页 |
| ·小结 | 第40-42页 |
| 第3章 基于纯变量分辨算法的多变量图像分割应用于磺胺类药物的拉曼成像可视化药物配方 | 第42-50页 |
| ·前言 | 第42-43页 |
| ·实验部分 | 第43-44页 |
| ·仪器装置 | 第43页 |
| ·样品制备 | 第43页 |
| ·拉曼成像 | 第43页 |
| ·基于纯变量分辨算法的多变量图像分割 | 第43-44页 |
| ·结果与讨论 | 第44-49页 |
| ·小结 | 第49-50页 |
| 第4章 多变量图像分割的空间导向凝聚法用于可互容和不可互容共混聚合物的拉曼成像分析 | 第50-60页 |
| ·前言 | 第50-51页 |
| ·实验部分 | 第51-52页 |
| ·仪器装置 | 第51页 |
| ·样品制备 | 第51页 |
| ·拉曼成像与基于空间导向凝聚法的多变量图像分割 | 第51-52页 |
| ·结果与讨论 | 第52-59页 |
| ·小结 | 第59-60页 |
| 第5章 基于粒子群优化的最优逐区变量提取用于定量构效关系研究中的偏最小二乘建模 | 第60-74页 |
| ·前言 | 第60-61页 |
| ·理论 | 第61-64页 |
| ·改进的离散粒子群优化算法 | 第61-62页 |
| ·基于粒子群优化算法的最优逐区变量提取 | 第62-63页 |
| ·最优逐区变量提取构建的定量构效关系模型 | 第63-64页 |
| ·数据集 | 第64-68页 |
| ·芳香胺数据集 | 第64-67页 |
| ·血管紧缩素II 拮抗剂(4H-1,2,4-三唑类化合物)数据集 | 第67-68页 |
| ·结果与讨论 | 第68-72页 |
| ·芳香胺数据集 | 第68-70页 |
| ·血管紧缩素II 拮抗剂(4H-1,2,4-三唑类化合物)数据集 | 第70-72页 |
| ·小结 | 第72-74页 |
| 第6章 粒子群优化分段超球建模用于定量构效关系研究 | 第74-91页 |
| ·前言 | 第74-75页 |
| ·理论 | 第75-77页 |
| ·分段超球建模 | 第75页 |
| ·粒子群优化算法 | 第75-76页 |
| ·粒子群优化分段超球建模 | 第76-77页 |
| ·目标函数 | 第77页 |
| ·数据集 | 第77-83页 |
| ·Hansch 数据集 | 第77-78页 |
| ·表皮生长因子受体抑制剂(EGFR)数据 | 第78-80页 |
| ·非肽类血管紧缩素II 拮抗剂数据 | 第80-83页 |
| ·结果与讨论 | 第83-89页 |
| ·Hansch 数据集 | 第83-84页 |
| ·表皮生长因子受体(EGFR)抑制剂数据 | 第84-86页 |
| ·非肽类血管紧缩素II 拮抗剂数据 | 第86-89页 |
| ·PHMPSO 算法中参数的选择 | 第89页 |
| ·小结 | 第89-91页 |
| 第7章 粒子群优化算法用于训练基于支持向量机学习的多层前向神经网络 | 第91-104页 |
| ·前言 | 第91-92页 |
| ·理论 | 第92-95页 |
| ·多层前向神经网络（MLFNNs） | 第92页 |
| ·基于支持向量机学习的多层前向神经网络 | 第92-93页 |
| ·粒子群优化算法用于训练基于SVM 学习的多层前向网络(SVMNN) | 第93-95页 |
| ·数据集 | 第95-96页 |
| ·Hansch 数据集 | 第95页 |
| ·环氧酶抑制剂数据 | 第95-96页 |
| ·结果与讨论 | 第96-103页 |
| ·Hansch 数据集 | 第96-100页 |
| ·环氧酶抑制剂数据 | 第100-102页 |
| ·SVMNN 算法中参数的选择 | 第102-103页 |
| ·小结 | 第103-104页 |
| 第8章 杂交粒子群优化算法用于支持向量机回归的变量选择 | 第104-117页 |
| ·前言 | 第104-105页 |
| ·理论 | 第105-109页 |
| ·支持向量机回归(SVR) | 第105-106页 |
| ·连续粒子群优化算法 | 第106-107页 |
| ·改进的离散粒子群优化算法 | 第107页 |
| ·杂交的粒子群优化输入描述变量同时构建非二次规划 SVR 模型（HPSOSVM） | 第107-109页 |
| ·数据集 | 第109-110页 |
| ·环氧酶－2（COX-2）抑制剂数据 | 第109-110页 |
| ·芳香类化合物对水生生物毒性数据 | 第110页 |
| ·结果与讨论 | 第110-116页 |
| ·COX-2 抑制剂数据 | 第110-113页 |
| ·芳香类化合物数据 | 第113-116页 |
| ·小结 | 第116-117页 |
| 第9章 二[(吖啶-4-羧基酰胺)丙基]甲胺衍生物的定量构效关系研究 | 第117-128页 |
| ·前言 | 第117-118页 |
| ·理论 | 第118页 |
| ·改进的离散粒子群优化算法（见5.2.1） | 第118页 |
| ·基于粒子群优化算法的最优逐区变量提取（见5.2.2） | 第118页 |
| ·二[(吖啶-4-羧基酰胺)丙基]甲胺衍生物数据 | 第118-120页 |
| ·结果与讨论 | 第120-127页 |
| ·小结 | 第127-128页 |
| 第10章 2-芳基(杂环芳基)-2,5-二氢吡唑[4,3-c]喹啉-3-(3H)衍生物的定量构效关系研究 | 第128-139页 |
| ·前言 | 第128-129页 |
| ·理论 | 第129页 |
| ·分段超球建模（见6.2.1） | 第129页 |
| ·基于粒子群优化的分段超球建模(见6.2.2，6.2.3) | 第129页 |
| ·2-芳基(杂环芳基)-2,5-二氢吡唑[4,3-c]喹啉-3-(3H)衍生物数据 | 第129页 |
| ·结果与讨论 | 第129-137页 |
| ·小结 | 第137-139页 |
| 结论 | 第139-140页 |
| 参考文献 | 第140-164页 |
| 附录A 攻读学位期间发表及完成的论文目录 | 第164-166页 |
| 致谢 | 第166页 |
