文摘
英文文摘
原创性声明和关于学位论文使用授权的声明
论文创新之处
第一章支持向量机算法的原理及应用现状
1.1.引言
1.2.统计学习理论的简介
1.2.1.机器学习
1.2.2.神经网络学习算法
1.2.3.Vapnik-Chervonenkis维
1.2.4.结构风险最小化
1.3.支持向量机算法
1.3.1.支持向量分类算法
1.3.2.支持向量回归算法
1.4.QSPR/QSAR研究中的化学计量学方法
1.5.支持向量机算法在化学中的应用
参考文献
第二章计算机辅助药物分子设计方法
2.1.计算机辅助药物设计
2.2.基于配体的药物设计方法
2.2.1.二维定量构效关系方法
2.2.2.二维定量构效关系中的参数
2.2.3.二维定量构效关系研究中的化学计量学方法
2.3.基于受体结构的药物设计方法
2.4.三维定量构效关系方法
2.4.1.距离几何
2.4.2.分子形状分析
2.4.3.比较分子场分析
2.4.4.虚拟受体方法
参考文献
第三章支持向量机算法在QSPR中的应用
3.1.基于支持向量机的取代苯酚类化合物的O-H键离解能的QSPR研究
3.1.1.引言
3.1.2.试验部分
3.1.3.方法
3.1.4.结果与讨论
3.1.5.结论
3.2.支持向量机预测比热的QSPR研究
3.2.1.引言
3.2.2.试验部分
3.2.3.方法
3.2.4.结果与讨论
3.2.5.结论
3.3.基于SVM的毛细管电泳中羧酸类化合物的定量结构—淌度关系的研究
3.3.1.引言
3.3.2.试验部分
3.3.3.方法
3.3.4.结果与讨论
3.3.5.结论
3.4.毛细管电泳中羧酸和磺酸类化合物的定量结构—淌度关系的研究
3.4.1.引言
3.4.2.方法
3.4.3.结果与讨论
3.4.4.结论
3.5.HM和RBFNN方法建立毛细管电泳中酸的QSMR模型的研究
3.5.1.引言
3.5.2.方法
3.5.3.结果与讨论
3.5.4.结论
参考文献
第四章基于配体的药物设计方法应用
4.1.HM和SVM方法预测药物与人血清白蛋白结合能的QSAR研究
4.1.1.引言
4.1.2.试验部分
4.1.3.方法
4.1.4.结果与讨论
4.1.5.结论
4.2.概率神经网络对植物药中有效成分的抗癌性分类的研究
4.2.1.引言
4.2.2.试验
4.2.3.结果与讨论
4.2.4.结论
4.3.CoMFA和CoMSIA方法对烷基和羟基取代查耳酮类化合物抗疟疾活性的3D-QSAR研究
4.3.1.引言
4.3.2.试验和方法
4.3.3.结果与讨论
4.3.4.结论
参考文献
附录Ⅰ在读博士学位期间发表论文目录
附录Ⅱ作者简介
致谢