基于SVR和k-近鄰群的組合預(yù)測(cè)在QSAR中的應(yīng)用

為提高定量構(gòu)效關(guān)系(QSAR)研究的預(yù)測(cè)精度,發(fā)展了一種新的基于支持向量機(jī)回歸(SVR)非線性篩選分子結(jié)構(gòu)描述符、基于k-近鄰群的非線性組合預(yù)測(cè)方法.首先以均方誤差(MSE)最小為原則,以留一法通過多輪末尾淘汰實(shí)施分子結(jié)構(gòu)描述符的非線性SVR汰選并給出最優(yōu)核函數(shù)和相應(yīng)保留描述符;其次基于待測(cè)樣本與訓(xùn)練樣本保留描述符向量的歐氏距離,以不同k-近鄰群子模型雙重留一法預(yù)測(cè)值反映樣本集的異質(zhì)性;然后基于MSE最小,以留一法通過多輪末尾淘汰實(shí)施近鄰群子模型的非線性SVR汰選并給出最優(yōu)核函數(shù)和相應(yīng)保留子模型;最后基于保留子模型以雙重留一法實(shí)施組合預(yù)測(cè).以取代苯胺和苯酚類化合物對(duì)大型溞的QSAR實(shí)例驗(yàn)證表明:新方法在所有參比模型中預(yù)測(cè)精度最高,且能更精細(xì)地反映描述符與化合物毒性間的非線性關(guān)系,具結(jié)構(gòu)風(fēng)險(xiǎn)最小、非線性、適于小樣本,能有效克服過擬合、維數(shù)災(zāi)和局極小,非線性篩選描述符和子模型,非線性組合預(yù)測(cè),自動(dòng)選擇最優(yōu)核函數(shù)及其相應(yīng)參數(shù),泛化推廣能力優(yōu)異、預(yù)測(cè)精度高等諸多優(yōu)點(diǎn),在QSAR研究中有廣泛應(yīng)用前景.

作 者： 袁哲明 熊潔儀 張永生 YUAN Zhe-ming XIONG Jie-yi ZHANG Yong-sheng   作者單位： 湖南農(nóng)業(yè)大學(xué)生物安全科學(xué)技術(shù)學(xué)院,湖南,長(zhǎng)沙,410128  刊 名： 分子科學(xué)學(xué)報(bào)  ISTIC PKU 英文刊名： JOURNAL OF MOLECULAR SCIENCE  年，卷(期)： 2007 23(3)  分類號(hào)： O641  關(guān)鍵詞： 支持向量機(jī)回歸   定量構(gòu)效關(guān)系   均方誤差   非線性   -近鄰群   組合預(yù)測(cè)  

【基于SVR和k-近鄰群的組合預(yù)測(cè)在QSAR中的應(yīng)用】相關(guān)文章：

組合預(yù)測(cè)模型在物流需求預(yù)測(cè)中的應(yīng)用04-26

基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型在公路貨運(yùn)量預(yù)測(cè)中的應(yīng)用04-27

組合GPS和GLONASS在民航中應(yīng)用的研究04-27

基于ARIMA和RBF網(wǎng)絡(luò)組合預(yù)測(cè)的慣性器件故障預(yù)報(bào)04-26

灰色組合模型在湖北省糧食單產(chǎn)預(yù)測(cè)中的應(yīng)用04-26

基于熵組合預(yù)測(cè)模型的害蟲種群動(dòng)態(tài)研究04-26

基于組合權(quán)重的灰色關(guān)聯(lián)法在火電企業(yè)安全性評(píng)價(jià)中的應(yīng)用04-26

草稿筆工具在基于圖片請(qǐng)求的WebGIS中的應(yīng)用和實(shí)現(xiàn)04-26

Hilbert K-模上酉群的框架表示04-26

基于標(biāo)識(shí)指數(shù)法的水質(zhì)灰色動(dòng)態(tài)模型群預(yù)測(cè)分析04-25