您好,欢迎访问湖南省农业科学院 机构知识库!
筛选
科研产出
排序方式:

时间

  • 时间
  • 相关度
  • 被引量
资源类型: 中文期刊
关键词:定量构效关系(模糊匹配)
5条记录
醇类化合物对欧洲林蛙蝌蚪毒性的QSAR研究

山东农业科学 2017

摘要:采用分子描述符计算软件PCLIENT获得123个醇类有机小分子化合物的1 666个理化性质参数,通过相关性分析与逐步线性回归筛选,最终获得14个分子描述符。基于保留的14个关键理化性质,分别以多元线性回归(MLR)、偏最小二乘回归(PLS)与支持向量回归(SVR)构建醇类化合物对欧洲林蛙蝌蚪毒性的QSAR模型。结果表明:3种模型的独立预测决定系数Q2从初始的-163.350、-0.019、0.686分别提升到0.860、0.903与0.936,剔除无关描述符能显著提升模型的预测精度;基于SVR的训练拟合精度和独立预测精度均较好,表明其泛化能力强,鲁棒性好;SVR模型独立测试集预测值和真实值比较结果证明最终筛选出的14个描述符具有较好的显著性,模型具有较好的稳健性。本方法在有毒化合物等QSAR研究领域有较广泛应用前景。

关键词: 醇类化合物 欧洲林蛙蝌蚪 描述符筛选 支持向量回归 定量构效关系

 全文链接 请求原文
基于局部核函数与全局核函数支持向量回归优化小样本QSAR建模

分子科学学报 2009 北大核心 CSCD

摘要:为提高小样本定量构效关系(QSAR)预测精度,基于支持向量机全局核函数与局部核函数提出了一种新的建模方法:先依不同核函数筛选描述符,再依保留描述符构建支持向量机回归(SVR)子模型.子模型预测活性值与实验值组成混合样本.以均方误差(MSE)最小为原则,对混合样本再次基于SVR实施核函数寻优与子模型筛选,基于最优核函数和保留子模型以留一法完成预测.对2个小样本体系的QSAR研究表明,该方法兼具局部核函数和全局核函数的优点,既有较强的学习能力,又有较好的推广能力,预测精度高,稳定性好.

关键词: 支持向量机 小样本 定量构效关系 组合预测

 全文链接 请求原文
在QSAR中应用SVR的非线性组合预测

计算机与应用化学 2009 北大核心 CSCD

摘要:为提高定量构效关系(quantitative structure-activity relationship,QSAR)模型预测的精度,以支持向量回归(support vector regression,SVR)全局与局部核函数,发展出1种非线性组合方法GK-LK-SVR,其基本思路为:依均方误差(MSE)最小原则,分别基于SVR的全局与局部核函数筛选描述符后预测,实测值与不同核函数的预测值组合成混合样本,然后再依MSE最小原则基于SVR对混合样本实施核函数寻优及子模型筛选,最后以留一法完成预测。对2种化合物QSAR建模结果表明:GK-LK-SVR方法预测精度高,有望在QSAR研究中得到广泛应用。

关键词: 非线性组合预测 定量构效关系 支持向量回归 全局核函数 局部核函数

 全文链接 请求原文
SVR-KNN法用于除草剂QSAR研究

安徽农业科学 2008 北大核心 CSCD

摘要:[目的]探索一种有效的组合预测方法,用于定量构效关系(QSAR)的研究分析。[方法]提出一种基于支持向量机回归(SVR)与K-最近邻法(KNN)的组合预测方法:以均方误差(MSE)最小为择优准则,对SVR实施核函数寻优;基于最优核函数以SVR进行描述符筛选并得到保留描述符;以"多轮末尾强制淘汰法"阐述各保留描述符对预测精度影响的程度;基于保留描述符,以不同KNN预测值反映样本集异质性并构建子模型,最后基于SVR以留一法实施组合预测。运用该组合预测方法研究磺酰脲和三唑并嘧啶磺酰胺类除草剂QSAR建模。[结果]建模结果表明,基于SVR与KNN的组合预测方法在参比模型中预测精度最高,具有结构风险最小、非线性、能有效克服过拟合、泛化推广能力优异等优点。[结论]基于SVR与KNN的组合预测具有许多优点,在QSAR研究中应用前景广泛。

关键词: 支持向量机回归 K-最近邻 组合预测 定量构效关系

 全文链接 请求原文
基于支持向量机回归与K-最近邻法的组合预测用于除草剂QSAR建模

农药学学报 2007 CSCD

摘要:为了提高定量构效关系(QSAR)研究的预测精度,发展了一种基于支持向量机回归(SVR)与K-最近邻法(KNN)的组合预测方法:以均方误差(MSE)最小为原则,基于SVR实施核函数寻优;基于MSE最小原则与最优核函数以SVR进行描述符筛选并得到保留描述符;通过"多轮末尾强制淘汰法"揭示各保留描述符对预测精度的影响程度;从保留描述符出发,以不同KNN预测值反映样本集异质性并构建子模型,然后基于SVR以留一法实施组合预测。运用该组合预测方法研究苯乙酰胺类除草剂QSAR建模,结果表明:基于SVR与KNN的组合预测方法在参比模型中预测精度最高,具结构风险最小、非线性、能有效克服过拟合、泛化推广能力优异等优点,在QSAR研究中具有广泛的应用前景。

关键词: 支持向量机回归 K-最近邻法 组合预测 定量构效关系

 全文链接 请求原文

首页上一页1下一页尾页