摘要 | 第1-7页 |
Abstract | 第7-14页 |
第1章 绪论 | 第14-23页 |
·定量构效关系研究 | 第15-16页 |
·基因微阵列数据分析 | 第16-18页 |
·支持向量机 | 第18-19页 |
·分类与回归树 | 第19页 |
·粒子群优化算法 | 第19-20页 |
·本论文的研究工作 | 第20-23页 |
第2章 粒子群优化算法用于训练基于径向基函数网络变换的非线性支持向量机及其 QSAR 研究应用 | 第23-38页 |
·前言 | 第23-24页 |
·理论 | 第24-26页 |
·支持向量机回归 | 第24页 |
·基于径向基函数网络变换的非线性支持向量机 | 第24-25页 |
·粒子群优化算法 | 第25-26页 |
·数据集 | 第26-32页 |
·艾滋病病毒逆转录酶抑制剂(HIV-1 RT)数据 | 第26-29页 |
·血小板源性生长因子受体抑制剂(PDGFR)数据 | 第29-32页 |
·结果与讨论 | 第32-37页 |
·艾滋病病毒逆转录酶抑制剂(HIV-1 RT)数据 | 第32-34页 |
·血小板源性生长因子受体抑制剂(PDGFR)数据 | 第34-37页 |
·小结 | 第37-38页 |
第3章 改进的离散粒子群算法用于自适应构建全局最优的分类与回归树 | 第38-59页 |
·前言 | 第38-39页 |
·理论 | 第39-44页 |
·分类与回归树 | 第39-41页 |
·改进的离散粒子群优化算法 | 第41-42页 |
·改进的离散粒子群算法用于自适应构建分类与回归树 | 第42-44页 |
·目标函数 | 第44页 |
·数据集 | 第44-49页 |
·类黄酮衍生物作为p561ck 酪氨酸激酶抑制剂数据 | 第44-48页 |
·表皮生长因子受体(EGFR)酪氨酸酶抑制剂数据 | 第48-49页 |
·结果与讨论 | 第49-58页 |
·类黄酮衍生物作为p561ck 酪氨酸激酶抑制剂数据 | 第49-54页 |
·表皮生长因子受体(EGFR)酪氨酸酶抑制剂数据 | 第54-58页 |
·小结 | 第58-59页 |
第4章 粒子群优化算法用于训练变量加权的支持向量机及其QSAR 应用 | 第59-77页 |
·前言 | 第59-60页 |
·理论 | 第60-61页 |
·数据集 | 第61-72页 |
·糖原合成酶激酶-3α(GSK-3α)抑制剂数据 | 第61-67页 |
·碳酸酐酶II(CAII)抑制剂数据 | 第67-72页 |
·结果与讨论 | 第72-76页 |
·糖原合成酶激酶-3α(GSK-3α)抑制剂数据 | 第72-74页 |
·碳酸酐酶II(CAII)抑制剂数据 | 第74-76页 |
·小结 | 第76-77页 |
第5章 基于概率密度函数相似性的变量选择方法用于高维微阵列数据的支持向量机分类 | 第77-92页 |
·前言 | 第77-79页 |
·理论 | 第79-81页 |
·基于概率密度函数相似性选择基因 | 第79-80页 |
·分块核变换支持向量机 | 第80-81页 |
·结果与讨论 | 第81-90页 |
·数据集 | 第81页 |
·基因选择 | 第81-87页 |
·分块核变换的支持向量机分类 | 第87-90页 |
·小结 | 第90-92页 |
第6章 基于分割区间纯度的变量选择方法用于分块核变换的支持向量机高维微阵列数据分类 | 第92-104页 |
·前言 | 第92-94页 |
·理论 | 第94-97页 |
·基于分割区间纯度的变量选择方法 | 第94-95页 |
·分块核变换的支持向量机 | 第95-97页 |
·结果与讨论 | 第97-103页 |
·小圆蓝细胞癌数据 | 第97-99页 |
·GCM 数据 | 第99-103页 |
·小结 | 第103-104页 |
第7章 单模转换基于分割区间纯度所选变量用于分类回归树的高维微阵列数据分类 | 第104-113页 |
·前言 | 第104-105页 |
·理论 | 第105-107页 |
·基于分割区间纯度的变量选择方法 | 第105-106页 |
·变量的单模变换及分类回归树建模 | 第106-107页 |
·结果与讨论 | 第107-111页 |
·白血病数据 | 第107-109页 |
·小圆蓝细胞癌数据 | 第109-111页 |
·小结 | 第111-113页 |
结论 | 第113-115页 |
参考文献 | 第115-133页 |
附录 A 攻读学位期间发表及完成的论文目录 | 第133-135页 |
致谢 | 第135页 |