排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
2.
支持向量分类用于醚菊酯类似物构效关系的研究 总被引:2,自引:1,他引:1
将支持向量机分类方法用于醚菊酯类似物构效关系的研究,所用分子描述符为物理化学参数,包括该类化合物的两个取代基的Hammett常数σA、σB,摩尔折射MA、MB,疏水值之和П。建立了醚菊酯类似物生物活性预报的支持向量机预报模型,其留一法交叉检验的预报正确率为90.3%。将支持向量机的预报结果与主成分分析(PCA)、人工神经网络(ANN)、最近邻(KNN)的预报结果进行比较,所得SVM的预报正确率高于PCA、ANN、KNN的结果。因此,SVM方法有望成为研究药物构效关系的有力工具。 相似文献
3.
将适合小样本数据建模的支持向量机算法(包括支持向量分类算法SVC和支持向量回归算法SCR)用于某石化公司芳烃抽提装置优化建模,建立了装置优化目标与有关工艺参数间的定性、定量模型。结果表明,抽余油中芳烃含量SVC模型的分类和预测正确率皆为100%;SVR模型对抽余油中芳烃含量的拟合与预报的均方根误差(RMSE)分别为0.072和0.060;抽余油中芳烃含量的SVR模型对128个训练集及32个测试集拟合和预测的R2和q2分别为0.820和0.867。应用所建优化模型,制定了装置生产优化方案,优化后抽余油中芳烃质量分数从0.82%降至0.74%,下降了9.8%。 相似文献
4.
TiO_2/C复合气凝胶光催化性能与材料的组成、孔结构参数密切相关,本文利用支持向量机的方法建立材料原始合成配方与TiO_2/C复合气凝胶光催化性能之间的定量预报模型。SVR建模和留一法交叉验证所得材料降解率计算值与实验值之间的相关系数平方(R~2)分别为0.929和0.884。利用该模型预报了2个新的实验样本,其降解率预报结果和实验结果非常接近,相对误差小于4%。 相似文献
5.
用支持向量机回归(SVR)方法研究了48个黄酮类化合物醛糖还原酶抑制活性的定量构效关系。建模过程中利用留一法交叉验证(LOOCV)优化了核函数的类型、惩罚系数C和不敏感函数ε.所建模型最终采用了227个变量中的7个:dChivps9, ESHaaCH,EsssCH2,n2pag[1,2],degree2,I'3和I'4。所得SVR模型的预测相对误差为0.0622,小于多元线性回归(MLR)和偏最小二乘法(PLS),以及文献报道模型的预测相对误差。 相似文献
6.
支持向量回归方法用于1,4,2-二氮磷杂环戊-5-(硫)酮类化合物除草活性的QSPR研究 总被引:1,自引:4,他引:1
采用支持向量回归方法研究了1,4,2-二氮磷杂环戊-5-(硫)酮类化合物除草活性的QSAR。基于留一法交叉验证的结果,比较了支持向量机回归(SVR)与几种常用建模方法对于该类化合物除草活性的预测精度。研究表明:所建SVR模型的精度高于逆传播人工神经网络(BPANN)、多元线性回归和偏最小二乘(PLS)所得结果。 相似文献
7.
1