共查询到20条相似文献,搜索用时 15 毫秒
2.
3.
4.
5.
提出了一种新的基于傅里叶变换红外光谱(Fourier Transform Infrared Spectroscopy, FTIR)的小波特征提取与支持向量机(SVM)分类方法以提高FTIR对早期肺癌的诊断准确率. 对肺正常组织、早期肺癌及进展期肺癌组织的FTIR, 利用连续小波(CW)多分辨率分析法提取9个特征量, 支持向量机把其分为正常组与非正常组(包括早期肺癌和进展期肺癌), 对正常组织、早期肺癌和进展期肺癌的识别, 多项式核函数和径向基函数的识别准确率最高. 多项式核函数对正常组织、早期肺癌和进展期肺癌的识别准确率分别为100%, 95%及100%; 径向基函数分别为100%, 95%和100%. 实验结果表明FTIR-CW-SVM模式分类方法对正常肺癌组织、早期肺癌及进展肺癌的识别具有较好的可行性. 相似文献
6.
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
7.
应用启发式算法(HM)和支持向量机算法(SVM)建立了88种醛类化合物对大鼠急性毒性的定量构效关系模型。应用ChemOffice2004软件进行化合物的结构输入,利用半经验方法进行分子结构优化,在CODDESA软件中计算出组成、拓扑、几何、电子和量子化学参数。并用启发式方法筛选出相对阳性电荷、氧原子数量、碳原子的最小亲核反应指数、双键相对数量、碳原子数量、碳氢键之间的最大交换能量、最大σ-σ键序和双键数量8个参数,在此基础上应该多元线性回归和支持向量机方法建立QSPR模型。两种方法均得到了较好的结果,HM和SVM的交互检验的相关系数分别为0.90和0.93;通过对模型的稳定性和预测能力比较,SVM建立的QSAR模型能够更好地预测醛类化合物对大鼠急性毒性LD50。 相似文献
8.
针对氧化铝蒸发过程的多变量、非线性和大滞后特点及不同时间和空间样本数据不同的特征,提出了基于末位淘汰机制的混沌粒子群算法的综合加权模糊最小二乘支持向量机蒸发过程预测控制方法.用变异混沌粒子群算法对模型预测控制进行滚动优化,计算出最优控制序列.以某氧化铝厂蒸发过程生产数据进行实验验证分析,结果表明: 模型预测结果中相对误差小于8%的样本达到93.9%,出口浓度稳定在240 g/L附近,其控制性能得到显著改善,同时也起到了降低能耗的目的. 相似文献
9.
10.
11.
提出一种新的组合方法用于β-turns预测和特征分析.该方法包括两步:如何表征β-turns特征和如何构建其预测模型.第一步应用氨基酸广义信息因子分析标度表征蛋白质中β-turns的结构特征,该标度涉及氨基酸的疏水性、α-螺旋与转角倾向、体积性质、构成特征、局部柔性及静电性.第二步以426个蛋白质为训练集样本,通过留1/7法交互验证,基于支持向量机建立β-turns预测模型.该模型分别成功地预测547和823个蛋白的β-turns.所得结果与所对比方法结果相当,更重要的是,SVM模型提供了一些关于β-turns特征的重要结构信息.该组合方法可以进一步尝试用于蛋白质结构预测及特征分析. 相似文献
12.
密度是喷气燃料生产、储运、加注过程中重要的质量指标。为了实现喷气燃料密度的快速、准确测定,提出了一种基于支持向量机(SVM)的低分辨核磁共振氢谱法预测喷气燃料密度。采集喷气燃料样品密度数据和低分辨核磁共振氢谱,利用网格寻优算法和训练集内部五折交叉验证方法优化建模参数。以均方误差和相关系数为指标,通过正交试验对影响模型性能的数据预处理方法进行优化,并对谱图特征的提取方式进行考察。在优化条件下建立的定量分析模型比偏最小二乘法模型预测准确度更高。所建模型对6个油样的预测值与标准值的相对偏差均低于0.3%,模型可应用于喷气燃料密度的快速分析。 相似文献
13.
14.
基于最小二乘支持向量机的色谱指纹图谱预测银杏叶总抗氧化活性 总被引:1,自引:1,他引:0
在色谱图基线校正和色谱峰匹配基础上,提出以40个银杏叶提取物HPLC指纹图谱的色谱图轮廓作为输入,相应的提取物总抗氧化活性作为输出,建立最小二乘支持向量机回归模型,并对包含10个样本的测试集进行了预测.最小二乘支持向量机的测试集预测误差均方根(RMSEP)为0.0230,预测结果优于目前普遍使用的误差反向传播神经网络和偏最小二乘回归.与采用色谱峰面积为分析变量的模型预测结果比较表明:采用消除干扰后的色谱图全谱轮廓保留了样本的全部信息,预测结果更好 相似文献
15.
基于支持向量机的羰基化合物红外光谱研究 总被引:1,自引:0,他引:1
设计了一个4层分等级分类系统,通过支持向量机技术对羰基化合物的红外光谱成功地进行了信息分类和提取,并与人工神经网络进行比较,结果表明:支持向量机对羰基类化合物红外光谱分类效果优于人工神经网络;另外详细探讨了表征酰胺类化合物的特征光谱峰片段对识圳伯仲叔酰胺的影响,证明了酰胺的N-H伸缩振动峰对识别伯仲叔酰胺贡献最大,为构建红外光谱智能解析系统提供了定量依据。 相似文献
16.
烟草组分的近红外光谱和支持向量机分析 总被引:1,自引:0,他引:1
测定了120个产自福建、安徽和云南烟草样品的近红外光谱. 在利用支持向量机(SVM)技术建立其定量、定性分析模型之前, 用小波变换技术对光谱变量进行了有效的压缩, 然后采用径向基核函数建立了75个烟草样品的分类模型, 同时建立了总糖、还原糖、烟碱和总氮4个组分的定量分析模型, 并利用45个烟草样品对模型进行了检验. 仿真实验表明, 建立的SVM分类模型分类准确率达到100%, 而4个组分的定量分析模型的预测决定系数(R2)、预测均方差(RMSEP)和平均相对误差(RME)3个指标值显示其模型泛化能力非常强, 预测效果良好, 可见这是一种有效的近红外光谱的建模分析方法. 相似文献
17.
18.
19.
《分析科学学报》2020,(1)
本文将前列腺癌(Prostate Cancer,PCa)PC-3M-1E8细胞为标靶的核酸适配体序列翻译成氨基酸序列,计算氨基酸序列的分子参数,然后用这些分子参数建立核酸适配体亲和性的构-效关系模型。所用的候选核酸适配体序列是采用以细胞为靶标的指数富集配体系统进化(Cell-SELEX)技术筛选得到。模型训练集、测试集分别包含150、50条核酸序列,均由第3轮和11轮的候选核酸适配体组成。将第3轮的核酸序列类标签值设置为"1",代表低亲和性、低特异性的候选核酸适配序列;将第11轮筛选所得核酸序列类标签值设置为"2",代表高亲和性、高特异性候选核酸适配序列。基于二值分类问题的支持向量机分类(SVC)算法用于建模。SVC模型对训练集、测试集的预测准确度分别为87.3%、86%。另外,采用SVC模型对第5、7、9轮的序列也进行了预测。第3、5、7、9、11轮的高亲和性与高特异性核酸适配体的分率分别是0.23、0.41、0.61、0.64、0.87,预测结果符合SELEX筛选的适配体进行规律。 相似文献