|
|||||
|
|
| 支持向量机用于酚类化合物毒性的QSAR研究 | |
| 引用本文： | 崔秀君,王志欣,袁星,张卓勇.支持向量机用于酚类化合物毒性的QSAR研究[J].计算机与应用化学,2008,25(3). |
| 作者姓名： | 崔秀君 王志欣 袁星 张卓勇 |
| 作者单位： | 1. 东北师范大学化学学院,吉林,长春,130024 2. 科学出版社,北京,100717 3. 东北师范大学城市与环境科学学院,吉林,长春,130024 4. 东北师范大学化学学院,吉林,长春,130024;首都师范大学化学系,北京,100037 |
| 基金项目： | 北京市教委科技发展计划 |
| 摘 要： | 从分子结构出发,计算25个酚类化合物的分子连接性指数及分子的价连接性指数,用线性逐步回归方法建立4参数的最佳方程,以此4参数作为输入参数,将留一法(L00)应用到BP网络、径向基函数(RBF)神经网络,及新颖的机器学习方法支持向量机,建立酚类化合物预测黑呆头鱼毒性的QSAR模型.应用非线性SVM法建立的预测模型结果,优于BP网络和RBF网络,SVM、BP、RBF模型预测的相关系数分别为0.959,0.940和0.945,令人满意. |
| 关 键 词： | 定量结构-活性/性质相关 酚 BP网络 径向基函数神经网络 支持向量机 |
Application support vector machine to QSAR study of toxicity of substituted phenols |
|
| Cui Xiujun,Wang Zhixin,Yuan Xing,Zhang Zhuoyong.Application support vector machine to QSAR study of toxicity of substituted phenols[J].Computers and Applied Chemistry,2008,25(3). | |
| Authors: | Cui Xiujun Wang Zhixin Yuan Xing Zhang Zhuoyong |
| Abstract: | Multiple linear stepwise regression was used to investigated toxicity effect of a set of 25 substituted phenols on fathead min- nows.The structural parameters are molecular connectivity indices.A best equation including four parameters was obtained.Then we established BPNNs,RBFNNs and SVM predictive models with four parameters above based on leave-one-out cross-validation method. The results showed that the SVM predictive model is better than others predictive model,the correlation coefficient of SVM,BPNNs and FBFNNs prediction model is 0.959,0.94 and 0.945,respectively. |
| Keywords: | QSAR phenols BPNN RBFNN SVM |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |