医学毕业设计(论文)开题报告

概要：3、随着技术的发展和生产技术的进步，又出现了一些先进的方法来构建QSAR模型，都具有很好的预测能力。其中又以启发发（heuristic method,简称HM），支持向量机（Support Vector Machine，简称SVM），基因表达式编程（Gene Expression Programming,简称GEP）比较常见。支持向量机（Support Vector Machine）是Vapnik[10]等人根据统计学理论提出的一种新的通用学习方法，它是建立在统计学理论的VC维理论和结构风险最小原理基础上的，能较好地解决小样本、非线性、高维数等实际问题[11-12]，已成功地应用于分类、函数逼近和时间序列预测等方面[13-15];基因表达式编程（GEP）是基于生物学遗传思想，保持了生物学的特性，具有良好的结果重现性，同时也能够进行“遗传变异”控制，最终能获得可靠的实验效果。三、主要研究内容1、查阅中外文文献选取数据来源。2、理化参数与结构参数的计算。3、具体的结构参数的分析。4、SVM与GEP的方法研究。5、定量结构关系式的建立。6、定量结构关系式的验证。7、得出结

医学毕业设计(论文)开题报告,标签：开题报告怎么写,开题报告范文,http://www.88haoxue.com

3、随着技术的发展和生产技术的进步，又出现了一些先进的方法来构建QSAR模型，都具有很好的预测能力。其中又以启发发（heuristic method,简称HM），支持向量机（Support Vector Machine，简称SVM），基因表达式编程（Gene Expression Programming,简称GEP）比较常见。支持向量机（Support Vector Machine）是Vapnik[10]等人根据统计学理论提出的一种新的通用学习方法，它是建立在统计学理论的VC维理论和结构风险最小原理基础上的，能较好地解决小样本、非线性、高维数等实际问题[11-12]，已成功地应用于分类、函数逼近和时间序列预测等方面[13-15];基因表达式编程（GEP）是基于生物学遗传思想，保持了生物学的特性，具有良好的结果重现性，同时也能够进行“遗传变异”控制，最终能获得可靠的实验效果。

三、主要研究内容

1、查阅中外文文献选取数据来源。

2、理化参数与结构参数的计算。

3、具体的结构参数的分析。

4、SVM与GEP的方法研究。

5、定量结构关系式的建立。

6、定量结构关系式的验证。

7、得出结论和总结。

四、论文工作计划

3月中旬—4月初：选题。

4月初—4月底：查阅资料，熟悉实验原理及方法，准备开题报告。

5月10日：       开题。

5月初日—5月底日：进行毕业设计实验，记录数据，撰写论文。

6月初日—6月中旬日：进行毕业论文答辩。

五、参考文献

[1] 任华益. 中华综合临床医学杂志(山东) , 2005, 7(2): 28 -33. 

[2] 徐娟，王林编译. 计算机辅助药物设计中的QSAR和QSMR研究. 国外医学·药学分册, 2003, 30(3): 135-138.

[3] 郭宗儒. 药物化学总论. 北京:中国医药科技出版社, 1994. 108.

[4] Bakulh H Rao, Shyam R, Asolekar. QSAR models to predict effect of ionic strength on sorption of chlorinated benzenes and phenols at sediment-water interface. Water Research, 200l, 35(14): 3391-3401.

[5] 冯长君, 堵锡华, 唐自强. 取代芳烃对发光菌、大型蚤、呆鲦鱼急性毒性的QSAR研究. 应用化学, 2002, 19(11): 1037 -1042.

[6]秦正龙, 冯长君. 取代苯酚的定量结构-活性P性质相关性研究. 有机化学, 2003, 23(7): 654-658.

[7] 堵锡华. 取代芳香族化合物生物活性的拓扑学 . 南昌大学学报(理学版), 2005, 29(2): 155-160.

[8] Aleksandar Sablji C. QSAR models for estimating properties of persistent organic pollutants required in evaluation of their environmental fate and risk. Chemosphere, 2001, 43(3): 363 -375.

[9] 徐筱杰, 侯廷军，乔学斌，章威. 计算机辅助药物分子设计. 北京: 化学工业出版社, 2004.

[10] Vapnik VN.The Nature of Statistical Learning Theory.

NY: Springer-Verlag,1995.

[11] 阎辉，张学工，李衍达. 应用SVM方法进行沉淀微相识别.物探化探计算技术, 2000, (2): 158 -164.

[12] 张学工. 关于统计学习理论与支持向量机. 自动化学报, 2000, (1): 32 -42.

[13] Vapnik V, Golowich S, Smola A. Supportvector method for function approximation, regression estimation, and signal processing. In: Mozer M, Jordan M, Petsche Teds. Neural Information Processing System, MIT Press, 1997-09.

[14]马云潜，张学工. 支持向量机函数拟合在分形插值中的应用.清华大学学报(自然科学版) , 2000, (3): 76- 78.

[15] Muller K-R, Smola A J, Ratsch G . Predicting time series with support vector machines. In:Proc of  ICANN 97, Springer Lecture Notes In Computer Science, 1997: 999-1005.

《医学毕业设计(论文)开题报告》出自：www.88haoxue.com网

上一页  [1] [2]