| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-20页 |
| ·细胞色素酶P450简述 | 第11-16页 |
| ·CYP450研究简史 | 第11-12页 |
| ·CYP450的功能 | 第12-14页 |
| ·CYP450的分类 | 第14-15页 |
| ·CYP450研究意义 | 第15-16页 |
| ·单核苷酸多态性简述 | 第16-18页 |
| ·单核苷酸多态性的定义 | 第16-17页 |
| ·单核苷酸多态性的分类 | 第17页 |
| ·CYP450的单核苷酸多态性 | 第17-18页 |
| ·论文内容结构及意义 | 第18-19页 |
| ·论文的研究内容及意义 | 第18-19页 |
| ·论文结构 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第二章 相关算法的理论基础 | 第20-32页 |
| ·支持向量机简介 | 第20-26页 |
| ·统计学习理论 | 第20-23页 |
| ·支持向量分类机 | 第23-26页 |
| ·支持向量机优点 | 第26页 |
| ·遗传算法简介 | 第26-31页 |
| ·遗传算法的原理 | 第27页 |
| ·遗传算法的基本步骤 | 第27-30页 |
| ·遗传算法的特点 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于遗传算法和支持向量机的改进算法 | 第32-38页 |
| ·GA-SVM算法描述 | 第32-34页 |
| ·GA-SVM算法的优势 | 第32页 |
| ·GA-SVM算法的整体结构 | 第32-34页 |
| ·GA-SVM算法设计 | 第34-37页 |
| ·SVM的软件选择 | 第34-35页 |
| ·遗传算法的改进 | 第35-36页 |
| ·GA-SVM算法的评价指标 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 GA-SVM在人类CYP450突变预测中的应用 | 第38-52页 |
| ·方法 | 第38-44页 |
| ·数据集的准备 | 第38-40页 |
| ·特征选择 | 第40-44页 |
| ·人类CYP450突变预测建模 | 第44页 |
| ·计算结果 | 第44-46页 |
| ·问题讨论 | 第46-50页 |
| ·GA-SVM的特征选择能力 | 第46-47页 |
| ·最终模型的性能 | 第47-49页 |
| ·理化/结构性质对突变预测的影响 | 第49-50页 |
| ·结论 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 全文总结 | 第52-54页 |
| ·研究总结 | 第52页 |
| ·研究展望 | 第52-54页 |
| 参考文献 | 第54-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间参与的科研项目 | 第62-63页 |
| 攻读硕士学位期间已发表或录用的论文 | 第63页 |