共查询到17条相似文献,搜索用时 234 毫秒
1.
基于基因表达式编程预测醛类化合物急性毒性 总被引:3,自引:1,他引:2
对大鼠急性毒性的定量构效关系模型提出了一种新的算法:基因表达式编程,其核心是种群的进化.种群由染色体构成,染色体是由结构正确的基因组合而成,包含头部和尾部,对种群中染色体的基因进行特定的操作便形成了进化.本实验以启发式方法筛选的8个关键描述符为建模参数,应用基因表达式编程建立了88种醛类化合物分子结构对大鼠急性毒性的定量构关系模型,模型交互检验相关系数为0.947,均方误差为0.037.通过与支持向量机方法的比较表明:基因表达式编程建立的定量构效关系模型能够更好地预测醛类化合物对大鼠急性毒性的半效致死量,且具有较强的稳定性. 相似文献
2.
构建147个有机物分子结构与其热导率值之间的定量结构-性质关系(QSPR)模型, 探讨影响有机物热导率的结构因素. 以147个化合物作为样本集, 随机选择118个作为训练集, 29个作为测试集. 应用CODESSA软件计算了组成、拓扑、几何、静电和量子化学等描述符, 通过启发式方法(HM)筛选得到5个结构参数并建立线性回归模型; 用所选5个结构参数作为支持向量机(SVM)的输入, 建立非线性的支持向量机回归模型. 预测结果表明: 支持向量机回归模型的性能(复相关系数R2=0.9240)虽略低于启发式回归模型的性能(R2=0.9267), 但是支持向量机方法预测性能(R2=0.9682)高于启发式方法的预测性能(R2=0.9574), 对于QSPR模型来说, 预测性能更重要. 因此, 总体来说支持向量机方法优于启发式方法. 支持向量机方法和启发式方法的提出为工程上提供了一种根据分子结构预测有机物热导率的新方法. 相似文献
3.
4.
5.
本文用近红外光谱结合最小二乘双胞胎支持向量机(LSTSVM)算法建立了烟叶等级分类模型。从三个等级共210个烟叶样品中,取出120个样品作为建模集,剩余90个样品作为预测集。为了建立最优模型,对光谱预处理方法和模型参数进行筛选优化,最优模型对预测集样品的平均识别率为95.56%,结果表明该方法可以作为烟叶等级分类的一种有效方法。此外,将该算法与SIMCA、PLS-DA、SVM等三种常见的模式识别算法进行了比较,结果表明基于样品的原始光谱,同等条件下,LSTSVM算法的预测效果优于其他三种算法。 相似文献
6.
研究了基于统计学习理论的支持向量机(SVM)回归法在X射线荧光光谱定量分析中的应用。以39个农田土壤样品作为实验材料,以其中32个土壤样品作为校正集,选用SVM模型中Linear、Poly和RBF 3种核函数对As元素含量与荧光光谱数据进行回归建模。用3种不同模型对预测集中7个土壤样品的As元素含量进行预测分析,结果显示模型预测As元素含量与电感耦合等离子体发射光谱法测定的As元素含量之间的相关系数R2均大于0.99,相对分析误差RPD均大于3,表明所建立的SVM模型具有较好的使用价值。为了进一步考察SVM回归模型的预测效果,同应用较成熟的PLS回归模型的预测结果进行对比,结果显示SVM法的预测结果更好,表明SVM回归模型亦可用于便携式X射线荧光光谱法的定量预测分析。 相似文献
7.
8.
9.
10.
分别以支持向量机(SVM)和KStar方法为基础, 构建了代谢产物的分子形状判别和代谢反应位点判别的嵌套预测模型. 分子形状判别模型是以272个分子为研究对象, 计算了包括分子拓扑、二维自相关、几何结构等在内的1280个分子描述符, 考查了支持向量机、决策树、贝叶斯网络、k最近邻这四种机器学习方法建立分类预测模型的准确性. 结果表明, 支持向量机优于其他方法, 此模型可用于预测分子能否被细胞色素P450酶催化发生氧脱烃反应. 代谢反应位点判别模型以538个氧脱烃反应代谢位点为研究对象, 计算了表征原子能量、价态、电荷等26个量子化学特征, 比较了决策树、贝叶斯网络、KStar、人工神经网络建模的准确率. 结果显示, KStar模型的准确率、敏感性、专一性均在90%以上, 对分子形状判别模型筛选出的分子, 此模型能较好地判断出哪个C―O键发生断裂. 本文以15个代谢反应明确的中药分子为验证集, 验证模型准确性, 研究结果表明基于SVM和KStar的嵌套预测模型具有一定的准确性, 有助于开展中药分子氧脱烃代谢产物的预测研究. 相似文献
11.
12.
13.
14.
15.
16.