量子化学参数研究聚苯乙烯类玻璃化温度的定量构效关系

用密度泛函理论在6—31G（D）基组上优化了67种聚苯乙烯类结构单元,得到了其单元的结构参数,探讨了这些参数与聚苯乙烯类玻璃化转变温度（Tg）的关系,计算表明,影响聚苯乙烯类Tg的因素有苯环上取代基长度,取代基的分支数,取代基位置,原子的最大负电荷数,氢原子的最大正电荷数,主链碳原子之间的电子布居数,分子偶极矩以及分子的内能等参数。用逐步回归,岭回归和人工神经网络方法分别建立了这些参数与,。的定量关系,并对这3种方法建立的定量模型进行了比较,3种方法的计算结果与实验值的相关系数分别为0．9583,0．9491,0．9853,标准偏差分别为18．44,19．18,10．41,人工神经网络的拟合值和预测值均优于前2种线性回归方法。     

18种硝基炸药分子活化能、表面静电势与感度理论研究

对18种炸药分子采用密度泛函DFT-BHand HLYP/6-311G＊＊方法进行优化及能量频率的计算,对计算出的活化能及静电势及其参数进行分析,发现其对撞击感度有很大的影响。本文首先对这18种炸药分子的活化能与实验撞击感度建立线性关系,发现Ea在250-400k J/mol范围内时,H50随着E_a的增加而增加,整体呈现正相关关系。随后对这18种炸药进行分类,分别为硝铵类、杂环类、三硝基芳香族类炸药化合物。分别对这三类炸药分子的实验撞击感度H_（50）与其各自的活化能、表面静电势建立定量关系,结果发现其相关系数很大（0.90＋）。此研究结果为预估炸药分子的撞击感度值提供了一定的理论依据和研究意义。     

基于DSMC的某卫星太阳电池翼分子污染模拟

分析了空间分子污染物的传输过程,采用10组不同的输入参数,在曙光4000A超级计算机上用直接模拟蒙特卡罗（Direct Simulation Monte Carlo,DSMC）方法的并行算法计算了在轨运行期间分子污染物在某型号卫星太阳电池翼表面的沉积情况,分析了太阳电池翼输出功率的衰减情况。     

融合奇异值分解和最大间距准则的人脸识别方法

提出了一种融合奇异值分解（SVD）和最大间距准则鉴别分析（MMC）的人脸识别方法。对人脸图像进行奇异值分解,选取较大的一组奇异值构成特征向量,对所有训练样本按照最大间距准则鉴别分析算法计算投影矩阵,把人脸图像矩阵在投影矩阵上投影得到特征矩阵。融合决策阶段,在以上两类特征集中,分别计算待识别样本到所有训练样本的欧氏距离并对得到的两类结果进行加权融合,最后根据最近距离分类器分类。基于ORL人脸数据库上的实验结果表明算法的有效性。     

量子化学方法预测多氯联苯(PCBs)的色谱保留值及理化性质

采用AM1半经验算法，计算了多氯联苯（PCBs)所有209种可能分子结构的6种量子化学参数－分子平均极化率（α），偶极距（μ），分子最高占据轨道能（Ehomo)，分子最低未占据轨道能（Elumo),分子中氢原子的量正形式电荷（qH^ )和分子中原子的最负形式电荷（q^-)，在此基础上依据理论线性溶解能相关模型（TLSER），通过正向逐步多元线性回归方法建立了PCBs气相色谱保留值参数（RRT）和两种理化性质－水溶解度（－logSw),正辛醇／水分配系数（logKow)的定量预测方程。检验结果表明：方程相关性显著，精度较高，物理意义明确。     

基于新的鲁棒相似性度量的时间序列聚类

针对存在异常值的时间序列数据,提出了一种基于相关系数鲁棒估计的时间序列间的鲁棒广义互相关度量（RGCC）。首先,引入一种鲁棒相关系数代替Pearson相关系数来计算时间序列数据间的协方差矩阵;其次,用新的协方差矩阵的行列式构造两个时间序列间的相似性度量——RGCC;最后,基于该度量计算出序列间的距离矩阵,将其作为聚类算法的输入对数据进行聚类。时间序列聚类仿真实验表明,对存在异常值点的时间序列数据,与基于原始的广义互相关度量（GCC）得到的聚类结果相比,基于RGCC得到的聚类结果明显更接近真实的聚类结果。可见,所提出的新的鲁棒相似性度量完全适用于存在异常值的时间序列数据。     

分子电性距离矢量(MEDV-B)用于二肽的分子结构表征与生物功能预测

使用从分子一级拓扑结构出发、结合分子中非氢原子电性和键连属性以及原子间相对距离的分子电性距离矢量（MEDV-B）,对58个血管紧张素转化酶（ACE）抑制剂二肽和48个苦味（BT）二肽进行定量结构活性相关（QSAR）研究,用多元线性回归建立矢量描述子与活性观测值间相关模型,并用留一法交互校验（LOO-CV）检验其预测力,取得较满意的结果（ACE：n=58,m=10,R=0．894,RCF=0．818;BT：n=48,m=10,R=0．947,R=0．898）;再用逐步回归对变量进行筛选与优化,建立新模型,稳定性与预测力得到进一步改善（ACE：n=58,m=5,R=0．859,RCV=0．824;BT：n=48,m=5,R=0．931,RCV=0．908）。结果表明：该矢量描述子可用于二肽结构表征与生物功能预测,且计算简便。     

基于特征权重量化的相似度计算方法

随着信息产业的迅猛发展,聚类的无监督特性使其成为一种极为有效的分析工具。而为获得良好的聚类结果,有效及准确的相似度计算方法是其必备的前提条件。事实上,在描述数据相似度时,不同的特征显然具有不同的作用,因此有必要借助一些先验知识,例如用户提供的限制数据,来衡量特征的重要性,并将其应用于相似度计算中以获取更加准确的计算结果。传统的特征权值量化方法均忽视了两点问题：（1）限制数据在特征空间中极有可能为非均匀分布;（2）限制数据可能包含不一致性。上述问题的存在使得传统的权值量化方法无法获得准确的结果甚至无法运行。基于此,文中提出了一种新颖的特征权值量化方法用以处理上述两点问题：（1）将限制数据划分为若干个等价类,进而通过计算参数“分布系数”来均匀化数据的分布;（2）将限制数据连接为无向图,进而通过计算参数“置信度”来衡量及弱化限制数据的不一致性。之后将这两个参数结合到特征权值量化函数中以获得准确的相似度计算结果。实验结果显示：该特征权值量化方法能够结合限制数据来获取不同特征对相似度计算的贡献能力,并能应用于任何聚类算法中以提高聚类的准确度。     

基于类别信息和特征熵的文本特征权重计算

基于类别信息的特征权重计算方法对特征与类别的关系表达不够准确,即对于类别频率相同的特征无法比较其对类别的区分能力,因此要考虑特征在类内的分布情况。将特征的反类别频率（inverse category frequency,ICF）和类内熵（entropy）相结合引入到特征权重计算方案中,构造了两种有监督特征权重计算方案。在维吾尔文文本分类语料上进行的实验结果表明,该方法能够明显改善样本的空间分布状态并提高维吾尔文文本分类的微平均◢F◣▼1▽值。     

均三氮苯类除草剂的QSAR研究

均三氮苯类除草剂是世界上广泛使用的一类旱田除草剂,本文采用Gaussian98中AMl法对10种均三氮苯类除草剂进行结构优化,结合Hyperchem7．0计算得到8种参数,应用SPSS11．0中的逐步回归方法探寻化合物参数与其除草活性的关系,从电子结构和立体构型上探讨此类化合物的结构与活性的关系,从而为该类化合物的活性预测研究提供参考。结果表明：在所构建的均三氮苯类化合物定量结构一活性（QSAR）模型中,分子偶极矩（μ）是影响该类除草剂活性的重要因素,疏水性参数（LOGP）、最高占据轨道与最低空轨道能级差（△E）、均三氮苯环上的电荷密度（Qr）对活性也具有一定的影响,该模型的Radj^2为0．999,残差呈正态分布。此模型对均三氮苯类除草剂的活性具有一定的预测能力。     

分子结构分区方法及在二硫化合物QSRR研究中的应用

从二硫化合物分子结构特征出发,并结合色谱分离机制,将分子结构进行分区处理,通过所建构的总拓扑立体效应指数(TTSEI)、顶点度-距离指数(VDI)、奇偶指数(OEI)、极化效应指数(PEI)等拓扑结构参数,用多元线性回归(MLR)方法获得了二硫化合物在4种不同极性固定相上气相色谱保留指数(RI)与4个结构参数之间的定量结构-色谱保留相关(QSRR)的统一模型,相关系数均大于0.98,以留一法(Leave-one-out)进行交互检验,相关系数R_(cv)均大于0.97。模型方程用于预测各二硫化合物的气相色谱保留指数其稳定性和准确性俱佳。     

醇类化合物色谱保留指数与结构参数定量关系的研究

采用拓扑指数(~mQ)、定位基参数(S_(ox))与醇在6种固定相上的气相色谱保留指数值(RI)进行了相关分析,发现RI与上述参数间存在良好的相关性,其关系式可表示为：RI=d (a~0)Q-(b~1)Q cS_(ox),其中a、b、c、d为系数。相关系数均大于0．98。继以留一法(Leave-one-out,LOO)进行交互检验,相关系数RCV均大于0．97。说明所建定量结构-保留关系(QSRR)模型具有良好的稳定性和预测能力,较好地揭示了醇类物质在不同固定相上气相色谱保留指数的变化规律。     

气相色谱法预测环境温度下有机化合物的蒸气压

根据189个包含不同结构基团的有机化合物在极性相差较大的2种气相色谱柱上的保留指数,以多元回归分析,分别建立了有机化合物保留指数与环境温度下蒸气压(P)的单柱和双柱预测模型。根据各模型的相关系数(r)及概率值(p),定量说明了不同模型的统计重要性。结果表明,有机化合物环境温度下的蒸气压与气相色谱保留指数之间具有较高的相关性,双柱蒸气压预测模型具有更好的预测精度(1nP标准偏差为1．3)和更好的统计学意义(r=0．9354,p=7．7×10~70))。。     

超分子连接性指数对醇类化合物定量结构-保留关系研究

基于分子间弱相互作用,提出一种拓扑指数——超分子连接性指数,运用该指数对醇类化合物定量结构-保留关系进行了研究。结果显示超分子连接性指数~1X_P和~6X_(Pc)与醇类化合物保留值显著相关,相关系数高达0.99。表明超分子连接性指数可成功用于醇类化合物的定量结构一保留关系研究。     

预测多取代烷基苯Kovats保留指数程序设计

设计了预测烷基本保留指数程序,利用该程序计算机可以自动识别分子结构,给出预测结果。     

Large artificial neural networks applied to the prediction of retention indices of acyclic and cyclic alkanes,alkenes, alcohols,esters, ketones and ethers

Artificial neural networks (ANN) with extended delta-bar-delta (EDBD) back propogation learning algorithms were used to predict the retention indices of 184 organic compounds. These compounds include acyclic and cyclic alkanes, alkenes, alcohols, esters, ketones and ethers. The network's architecture and parameters were optimized to give maximum performance. The best network is 2–6–1, the optimum learning epoch is 2000. In the process of the study, cross-validation and leave-20%-out were used. The results show that the prediction performance of ANN operating with such non-linear systems is remarkably good.     

Narrow band vegetation indices overcome the saturation problem in biomass estimation

Remotely sensed vegetation indices such as NDVI, computed using the red and near infrared bands have been used to estimate pasture biomass. These indices are of limited value since they saturate in dense vegetation. In this study, we evaluated the potential of narrow band vegetation indices for characterizing the biomass of Cenchrus ciliaris grass measured at high canopy density. Three indices were tested: Modified Normalized Difference Vegetation Index (MNDVI), Simple Ratio (SR) and Transformed Vegetation Index (TVI) involving all possible two band combinations between 350?nm and 2500?nm. In addition, we evaluated the potential of the red edge position in estimating biomass at full canopy cover. Results indicated that the standard NDVI involving a strong chlorophyll absorption band in the red region and a near infrared band performed poorly in estimating biomass (R ²=0.26). The MNDVIs involving a combination of narrow bands in the shorter wavelengths of the red edge (700–750?nm) and longer wavelengths of the red edge (750–780?nm), yielded higher correlations with biomass (mean R ²=0.77 for the highest 20 narrow band NDVIs). When the three vegetation indices were compared, SR yielded the highest correlation coefficients with biomass as compared to narrow band NDVI and TVI (average R ²=0.80, 0.77 and 0.77 for the first 20 ranked SR, NDVI and TVI respectively). The red edge position yielded comparable results to the narrow band vegetation indices involving the red edge bands. These results indicate that at high canopy density, pasture biomass may be more accurately estimated by vegetation indices based on wavelengths located in the red edge than the standard NDVI.     

Use of artificial neural networks to predict the gas chromatographic retention index data of alkylbenzenes on carbowax-20M

Quantitative structure-activity relationships (QSARs) quantify the connection between the structure and properties of molecules and allow the prediction of properties from structural parameters. Models of relationships between structure and retention index of alkylbenzenes were constructed by means of a multilayer neural network using extended delta-bar-delta (EDBD) algorithms. The 165 group data belong to 129 alkylbenzenes at different temperatures on carbowax-20M. We proposed a new method to describe the structure of the alkylbenzene with a simple set of six numeric code depending on its molecular formula. A set of six numbers and the temperature were used as input parameters to predict the retention indices. The performance of different order of structural coding was investigated. The networks' architecture and the learning times were optimized. The optimum ANNs could give excellent prediction results. In addition, the multiple linear regression (MLR) and nonlinear multivariate regression were applied. We have shown in our studies that, based on the structural numeric codes, ANNs give more accurate predictions of retention index data of alkykbenzenes than regression analysis.     

脂肪醇气相色谱保留指数的预测与估算

通过对46个脂肪醇在不同固定相不同柱温下的631个样本的气相色谱保留指数值(RI)与其部分参数:拓扑指数(mQ)、定位基参数(Sox)、固定液极性值(CP)及柱温(T)建立定量结构-色谱保留相关(QSRR)模型。分别利用多元线性回归(MLR)、偏最小二乘回归(PLSR)、人工神经网络(ANN)建模,同时采用内部及外部双重验证的办法对所得模型稳定性能进行深入分析和检验,建模计算值、留一法(LOO)交互检验(CV)预测值和外部样本预测值的复相关系数Rmax、QLOO和Rexi分别为0．988,0．987和0．989(MLR);0．988、0．975和0．989(PLSR);0．989、0．989和0．991(ANN)。结果表明:所建定量结构保留相关(QSRR)模型具有良好的稳定性和预测能力,较好地揭示了脂肪醇化合物在不同固定相不同柱温上气相色谱保留指数的变化规律。     

Usefulness of spectral reflectance indices as durum wheat yield predictors under contrasting Mediterranean conditions

Early prediction of crop yield can be an important tool for identifying promising genotypes in breeding programmes. To assess whether measurements of canopy reflectance at given stages of development could be used for yield forecasting and to identify the most appropriate indices, locations and growth stages for durum wheat yield assessment, nine field experiments, each including 20 or 25 durum wheat (Triticum turgidum L. var durum) genotypes, were carried out under a wide range of Mediterranean conditions. Canopy reflectance was recorded with a portable field spectroradiometer at several times from booting to physiological maturity, and nine indices were further derived. Grain yield was measured at harvesting. The results indicated that milk-grain stage was the most appropriate developmental stage for yield assessment. However, some indices were also sensitive to yield variations when determined at anthesis or even heading or booting. The capacity of spectral reflectance indices to forecast grain yield increased on locations that allowed genotypes to express their yield potentiality. Reflectance at 550?nm (R550), water index (WI), photochemical reflectance index (PRI), structural independent pigment index (SIPI), normalized difference vegetation index (NDVI) and simple ratio (SR) explained jointly a 95.7% of yield variability when all the experiments were analysed together, 92% being explained by R550. When regression analyses were carried out separately for each experiment, spectral reflectance indices explained from 17.3% to 65.2% of total variation in yield, and the indices that best explained differences in yield were experiment-dependent. Our data suggest that reflectance at 680?nm (R680), WI and SR may be suitable estimators of durum wheat grain yield under Mediterranean conditions, when determined at milk-grain stage.