姜黄甘草抗肿瘤组效关系建模研究
摘要 | 第4-5页 |
abstract | 第5页 |
前言 | 第9-10页 |
第一章 文献综述 | 第10-21页 |
1.1 姜黄的抗肿瘤活性 | 第10-12页 |
1.1.1 姜黄简介 | 第10页 |
1.1.2 姜黄的抗肿瘤活性研究 | 第10-12页 |
1.2 甘草的抗肿瘤活性 | 第12-15页 |
1.2.1 甘草简介 | 第12页 |
1.2.2 甘草的抗肿瘤活性研究 | 第12-15页 |
1.3 中药组效关系的研究 | 第15-19页 |
1.3.1 多元统计分析 | 第15-16页 |
1.3.2 人工神经网络 | 第16-18页 |
1.3.3 支持向量机 | 第18-19页 |
1.4 本文主要研究内容及意义 | 第19-21页 |
1.4.1 本文的主要研究内容 | 第19页 |
1.4.2 本文的主要研究意义 | 第19-21页 |
第二章 姜黄甘草提取物的制备 | 第21-31页 |
2.1 试验仪器、材料及药材 | 第21-26页 |
2.1.1 试验仪器 | 第21页 |
2.1.2 试验材料 | 第21页 |
2.1.3 药材 | 第21-26页 |
2.2 试验方法 | 第26页 |
2.3 结果与讨论 | 第26-31页 |
第三章 BP神经网络的建模研究 | 第31-50页 |
3.1 BP神经网络建模过程 | 第31-34页 |
3.1.1 BP网络的结构 | 第31-32页 |
3.1.2 BP网络的运算过程 | 第32-34页 |
3.2 BP建模的matlab实现 | 第34-37页 |
3.2.1 matlab实现过程 | 第34页 |
3.2.2 数据预处理 | 第34-35页 |
3.2.3 隐含层神经元数量的研究 | 第35-37页 |
3.2.4 不同学习算法的研究 | 第37页 |
3.3 BP神经网络建模结果与讨论 | 第37-49页 |
3.3.1 隐含层神经元数量对于模型效果的影响 | 第37-41页 |
3.3.2 不同训练算法对于模型效果的影响 | 第41-49页 |
3.3.3 结论 | 第49页 |
3.4 本章小结 | 第49-50页 |
第四章 支持向量回归机的建模研究 | 第50-61页 |
4.1 支持向量回归机的建模过程 | 第50-54页 |
4.1.1 统计学习理论基础 | 第50-52页 |
4.1.2 支持向量回归机的运算过程 | 第52-54页 |
4.2 SVR建模的matlab实现 | 第54-56页 |
4.2.1 matlab实现过程 | 第54-55页 |
4.2.2 数据预处理 | 第55页 |
4.2.3 SVR类型的研究 | 第55-56页 |
4.2.4 核函数类型的研究 | 第56页 |
4.3 SVR模型结果与讨论 | 第56-60页 |
4.3.1 SVR类型对于模型效果的影响 | 第56-58页 |
4.3.2 核函数类型对于模型效果的影响 | 第58-60页 |
4.3.3 结论 | 第60页 |
4.4 本章小结 | 第60-61页 |
第五章 模型参数优化的研究 | 第61-77页 |
5.1 参数优化算法 | 第61-64页 |
5.1.1 粒子群优化算法过程 | 第61-62页 |
5.1.2 遗传算法过程 | 第62-64页 |
5.2 模型参数寻优的matlab实现 | 第64-67页 |
5.2.1 BP模型参数寻优matlab实现 | 第64-65页 |
5.2.1.1 遗传算法过程中函数定义 | 第64-65页 |
5.2.1.2 遗传算法优化BP模型 | 第65页 |
5.2.2 SVR模型参数寻优matlab实现 | 第65-67页 |
5.2.2.1 遗传算法matlab实现 | 第65-66页 |
5.2.2.2 粒子群寻优算法matlab实现 | 第66-67页 |
5.3 参数寻优实验结果与讨论 | 第67-76页 |
5.3.1 BP模型参数寻优结果与讨论 | 第67-70页 |
5.3.2 SVR模型参数寻优结果与讨论 | 第70-74页 |
5.3.3 最优模型的讨论 | 第74-75页 |
5.3.4 建模方法的讨论 | 第75-76页 |
5.4 本章小结 | 第76-77页 |
第六章 结论与展望 | 第77-79页 |
6.1 结论 | 第77页 |
6.2 展望 | 第77-79页 |
附录 | 第79-87页 |
参考文献 | 第87-96页 |
发表论文和参加科研情况说明 | 第96-97页 |
致谢 | 第97-98页 |