摘 要: | 选取两组有机化合物的熔点数据,采用ADMEWORKS Model Buider软件计算并选取描述符,以所选描述符为自变量,熔点为因变量。通过三种模式识别方法——K-最近邻法(K-Nearest Neighbor Method,KNN)、K-均值聚类法(K-Means Clustering Method,KMC)和投影寻踪方法(Projection Pursuit Method,PP)对样本进行分类,将分类后的样本分别以多元线性回归(Multiple Linear Regression,MLR)、偏最小二乘(Partial Least Squares,PLS)和人工神经网络(Artificial Neural Network,ANN)建立QSPR模型。结果表明,三种模式识别方法均可以提高模型的预测能力。模型的预测能力不仅与结构相似度有关,还与建模方法有关。非线性模型预测能力要优于线性模型。
|