径向基-偏最小二乘-贝叶斯方法及其在化学模式分类中的应用

提出一种用于模式分类的RBF-PLS—Bayes方法。它集成地应用径向基(RBF)变换与偏最小二乘(PLS)方法，从原有模式中提取出分类能力甚强的成分，然后进行贝叶斯(Bayes)判别。这种集成方法尤其适用于复杂化学信息的模式分类，本文将其应用于两种类型的化学模式分类问题，均取得了令人满意的效果。与经典的判别分析方法和单纯的神经网络方法相比，具有明显的优越性。     

基于正则化网络-遗传算法的属性筛选及其在化学模式识别中的应用

采用贝叶斯正则化方法训练，以得到推广性优良的神经网络，并提出启发性的遗传算法。通过灵敏度分析对正则化网络实施剪枝，从而在高维模式中筛选出能代表其分类特性的最小最优属性特征子集。此方法应用于高维留兰香模式的属性筛选与模式分类，效果良好，明显优于其它方法。     

循环子空间回归为喹喏酮N1位构效关系建模

拟从线性泛函的角度分析循环子空间回归（ＣＳＲ）．ＣＳＲ方法将从自变量参数矩阵和因变量向量中提取成分，循环地构造并扩张Ｋｒｙｌｏｖ子空间，且以此作为源空间，运用最小二乘准则解得映射到因变量实空间的线性泛函．整个求解过程包容了最小二乘回归（ＬＳＲ）、主成分回归（ＰＣＲ）、偏最小二乘回归（ＰＬＳ）以及其它中间的回归方法．然后由预报能力的强弱，从中确定最佳回归模型．本文应用ＣＳＲ方法为喹喏酮Ｎ１位抗菌构效关系建模，效果良好     

基于遗传算法的神经网络为苯乙酰胺类农药构效关系建模的研究

探讨用遗传算法训练神经网络为苯乙酰胺类化合物的ＱＳＡＲ建模，效果良好。神经网络 可以反映复杂的构效关系，而引入遗传算法又有助于多层的前传网在训练过程中跳出局部最小点，使收速度大大提高，并在预报精度上有显著改善。     

粗糙集方法及其在化学模式分类规则挖掘中的应用

简要介绍了粗糙集的基本概念,决策系统的约简步骤和分类规则的挖掘原理,提出了基于信息熵的数据离散化方法,使之充分结合粗糙集特性,具有良好的推广性。又以经典的橄榄油产地判别为例,采用粗糙集方法,无需先验知识,不用设定参数,即能消除冗余的属性和属性值,约简化学系统,从样本数据中挖掘出简明直接、易于理解的产生式分类规则,构建专业意义明确的化学模式分类模型,其预报性能良好,效果令人满意。     

一种模式分类降维策略及其在复杂化学信息处理中的应用

采用分类相关分析方法处理复杂化学信息的模式分类问题，从高维模式中提取的分类相关成分，它们相互独立，并集中了原有模式的分类信息，提出由相关量份额选择分类相关分析，计算简便，用以替代原模式，可以显著地降维，使问题简化，分类效果良好，该方法应用于天然留兰香油多类判别，结果良好。     

循环子空间回归的一种快速算法及其在定量构效关系中的应用

循环子空间回归（ＣＳＲ）通过改变解空间的维数,可以获取一系列的回归模型,其中包括最小二乘回归（ＬＳＲ）、主成分回归（ＰＣＲ）、偏最小二乘回归（ＰＬＳＲ）和许多中间回归,从中可挑选最优回归模型。本文将分析ＣＳＲ的原理,给出一种可行的快速的ＣＳＲ算法（ＲＣＳＲ）,以提高计算速率和精度,并将其成功地应用于苯乙酰胺类除草剂定量构效关系的建模。