本书介绍了Internet上化学资源的使用方法，并对化学信息学方法及其在化学、生物化学、药物化学等领域中的应用进行了详细论述。本书共10章，包括联机文献检索、网络图书与网络期刊、数据库资源、化学信息资源查询、化学信息的计算机表示与建模、计算机辅助结构解析与合成设计、分子模拟、进化计算与优化算法、小波分析、多元校正与因子分析。
样章试读
目录
- 目录
第三版前言
第二版前言
第一版前言
第1章 联机文献检索 1
1.1 美国化学文摘 1
1.1.1 美国化学文摘和SciFinder简介 1
1.1.2 Sc1Finder的著录内容与格式 2
1.1.3 SciFinder的功能与使用方法 6
1.2 Web of Science 11
1.2.1 Web of Science简介 11
1.2.2 Web of Science的著录内容与格式 12
1.2.3 Web of Science的功能与使用方法 13
1.2.4 ISI Web of Know1edge的其他功能 18
1.3 Ei Vi11age 19
1.3.1 Ei Vi11age简介 19
1.3.2 Ei Vi11age的著录内容与格式 20
1.3.3 Ei Vi11age的功能与使用方法 21
1.4 期刊全文数据库 24
1.4.1 ScienceDirect 24
1.4.2 ACS Pub1ications 27
1.4.3 RSC Pub1ishmg 29
1.4.4 SprmgerLmk 30
1.4.5 Wi1ey On1me Library 31
1.5 国内学术期刊数据库 32
1.5.1 CNKI 32
1.5.2 中文科技期刊数据库 34
1.5.3 万方数据知识服务平台 35
1.6 其他文献检索系统简介 36
1.7 专利文献查询 39
1.7.1 专利文献数据库 39
1.7.2 专利文献检索 40
上机训练与习题 45
第2章 网络图书与网络期刊 46
2.1 网上图书馆 46
2.1.1 图书馆主页 46
2.1.2 WWW虚拟图书馆 47
2.2 网上书店 49
2.3 网络期刊 50
2.4 数字化图书 52
2.5 出版商主页 53
上机训练与习题 54
第3章 数据库资源 55
3.1 晶体结构数据库 55
3.1.1 剑桥结构数据库 55
3.1.2 蛋白质数据库 57
3.1.3 核酸数据库 58
3.2 波谱数据库 61
3.2.1 NIST Chemistry WebBook 61
3.2.2 化合物谱图数据库 64
3.3 网上化学于册 67
3.3.1 化学元素周期表 67
3.3.2 化合物基本性质数据库 69
3.3.3 物理化学常数 70
上机训练与习题 71
第4章 化学信息资源查询 72
4 1 查询 72
4.2 导航 77
4.3 ChIN简介 78
4.4 商业信息 81
4.5 化学机构信息 83
上机训练与习题 84
第5章 化学信息的计算机表示与建模 85
5.1 化合物结构编码 85
5.1.1 线型编码 85
5.1.2 ZXLN线型编码 86
5.1.3 内部表示 87
5.2 分子图形学 88
5.3 分子描述符 93
5.4 定量构效关系 95
5.4.1 基本方法 95
5.4.2 应用举例 96
上机训练与习题 98
第6章 计算机辅助结构解析与合成设计 100
6 1 化学信息数据库 100
6.1.1 数据库系统的构成 100
6.1.2 数据模型和数据库的类型 101
6.1.3 数据库的存取过程 101
6.1.4 化学信息数据库 102
6.2 化学人工智能与专家系统 105
6.2.1 人工智能 105
6.2.2 专家系统 105
6.2.3 知识库 106
6.2.4 推理方法 109
6.3 计算机辅助结构解析 111
6.3.1 结构解析系统的构成 111
6.3.2 结构解析的工作过程 112
6.3.3 结构解析中的有关技术 112
6.4 计算机辅助合成设计 114
6.4.1 计算机辅助有机合成 114
6.4.2 计算机辅助分子设计 121
上机训练与习题 124
第7章 分子模拟 126
7.1 量子力学 126
7.1.1 基本理论 126
7.1.2 Gaussian软件 129
7.1.3 应用举例 133
7.2 分子力学 136
7.2.1 分子力场 136
7.2.2 应用举例 142
7.3 分子动力学 144
7.3.1 基本方法 144
7.3.2 软件 145
7.3.3 应用举例 148
7.4 波谱模拟 153
7.4.1 1H-NMR谱的量子化学模拟 153
7.4.2 12C-NMR谱的计算机模拟 156
上机训练与习题 161
第8章 进化计算与优化算法 162
8.1 人工神经网络 162
8.1.1 模型 162
8.1.2 学习算法 164
8.1.3 应用举例 167
8.2 遗传算法 168
8.2.1 自然进化与遗传算法 169
8.2.2 基本过程 170
8.2.3 遗传算法的发展 172
8.2.4 应用举例 175
8.3 模拟退火算法 178
8.3 1 固体退火与模拟退火算法 178
8.3.2 基本过程 180
8.3.3 模拟退火算法的发展 182
8.3.4 退火演化算法 183
8.3.5 应用举例 187
8.4 免疫算法 191
8.4.1 基本原理 191
8.4.2 免疫优化算法 192
8.4.3 一种用于重叠信号解析的免疫算法 195
8.5 其他优化算法简介 199
8.5.1 蚁群算法 199
8.5.2 粒子群优化算法 201
上机训练与习题 203
第9章 小波分析 205
9.1 小波及小波分析 205
9.1.1 小波的定义 205
9.1.2 傅里叶变换 206
9.1.3 小波变换 208
9.2 小波分析的基本算法 209
9.2.1 多尺度分析 209
9.2.2 多尺度信号分解（MRSD）算法 210
9.2.3 MRSD算法的改进 212
9.2.4 小波包变换 213
9.3.小波分析的程序设计 214
9.3.1 Matlab工具箱 214
9.3.2 WaveLab简介 215
9.3.3 MRSD算法的程序设计 216
9.3.4 连续小波变换的程序设计 219
9.3.5 小波包分析的程序设计 221
9.4 小波分析的应用 222
9.4.1 数据压缩 222
9.4.2 平滑和滤噪 224
9.4.3 背景扣除与基线矫正 227
9.4.4 近似导数的计算 228
9.4.5 重叠信号解析 230
9.4.6 谱图分辨率的改善 231
9.4.7 小波分析的其他应用 232
上机训练与习题 233
第10章 多元校正与因子分析 235
10.1 引言 235
10.1.1 化学计量学 235
10.1.2 多元校正与分辨 236
10.1.3 因子分析 236
10.2 数据矩阵的构成 237
10.2.1 二维色谱数据 237
10.2.2 三维荧光光谱数据 238
10.2.3 多组分光度分析数据 238
10.2.4 配合物体系的研究 239
10.3 间接校正方法 239
10.3.1 K-矩阵法 240
10.3.2 P-矩阵法 242
10.4 主成分分析 243
10.4.1 原理 243
10.4.2 应用举例 245
10.5 主成分回归 246
10.6 偏最小二乘回归 249
10.6.1 原理 249
10.6.2 算法 250
10.6.3 应用举例 251
10.7 化学因子分析 252
10.7.1 基本步骤 252
10.7.2 目标因子分析 253
10.7.3 秩消因子分析 256
10.7.4 渐进因子分析 256
10.7.5 窗口因子分析 259
10.7.6 启发渐进式特征投影 261
10.8 高阶校正方法简介 264
上机训练与习题 267
主要参考文献 268
京公网安备 11010102004214号