| KPCA与GRNN在含能化合物QSAR中的应用研究 |
| |
| 引用本文： | 牛永洁,陈莉,李富星. KPCA与GRNN在含能化合物QSAR中的应用研究[J]. 计算机应用与软件, 2009, 26(7): 112-114 |
| |
| 作者姓名： | 牛永洁 陈莉 李富星 |
| |
| 作者单位： | 延安大学计算机中心,陕西,延安,716000;西北大学信息科学与技术学院,陕西,西安,710127 |
| |
| 基金项目： | 陕西省自然科学基金，陕西省教育厅重点科研计划项目 |
| |
| 摘 要： | 使用KPCA(核主成分分析)对含能化合物的结构参数进行参数选择,在保持原有数据主要信息的情形下,得到数据的主成分.将降维后的特征信息作为GRNN(广义回归神经网络)的输入,含能化合物的性能数据作为输出,建立非线性的定量含能化合物结构性能关系预测模型.与PCA_GRNN模型的比较表明,该模型能很好地反映含能化合物结构和性能之间的关系,具有较高的预测正确率.
|
| 关 键 词： | 核主成分分析 广义回归神经网络 结构性能关系 含能化合物 |
ON APPLYING KPCA AND GRNN IN QSAR OF ENERGETIC COMPOUND |
| |
| Niu YongJie,Chen Li,Li FuXing. ON APPLYING KPCA AND GRNN IN QSAR OF ENERGETIC COMPOUND[J]. Computer Applications and Software, 2009, 26(7): 112-114 |
| |
| Authors: | Niu YongJie Chen Li Li FuXing |
| |
| Affiliation: | Computer Center;Yan'an University;Yan'an 716000;Shaanxi;China;School of Information Science and Technology;North West University;Xi'an 710127;China |
| |
| Abstract: | In this article it used KPCA(kernel principal components analysis) to select parameter for the structure parameters of energetic compounds,and the principal components of the data is obtained in the case of maintaining main information of original data.Then these principal components were used as the inputs of the GRNN(Generalized Regression Neural Networks) after dimensions reduction and the performance data of energetic compounds were used as outputs,all for constructing a nonlinear prediction model of st... |
| |
| Keywords: | |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
