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:支持向量回归(模糊匹配)
6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
基于均匀设计与支持向量回归的柑桔大实蝇成虫诱杀剂配方优化

中国南方果树 2017 北大核心

摘要:以柑桔大实蝇Bactrocera minax雌成虫为对象,借助Y型嗅觉仪,采用均匀设计和支持向量回归方法,对由柠檬烯、乙酸、乙酸乙酯、红糖、乙醇、柠檬酸、橙汁和5%高效氯氟氰菊酯水乳剂组成的诱杀剂进行了优化。结果表明,经过共20个处理的两轮室内筛选即准确地找到最优配比,将诱杀剂对柑桔大实蝇雌虫的引诱率由改进前的50.0%提高到76.7%,优化效果明显。同时发现,在引诱成分中,柠檬烯、柠檬酸和乙酸具有更加重要的作用,单位配方(按100mL水溶剂计)的最适用量分别为1.50mL、1.00g和1.00mL。

关键词: 柑桔大实蝇 诱杀剂 Y型嗅觉仪 均匀设计 支持向量回归 配方优化

 全文链接 请求原文
基于均匀设计与支持向量回归的莲子皮原花青素提取研究

粮食加工 2016

摘要:以莲子皮中的原花青素为对象,以研究室前期发展的多因素多水平配方优化实验设计与分析方法 UDSVR为指导,以原花青素提取的单因素试验的初始条件为基础,对溶剂体积分数、提取温度、提取时间、质量浓度和pH值5个因素进行优化,经过2轮36组试验,获得了莲子皮原花青素提取率的满意配方,使单因素试验中原花青素提取率由初始值2.9%提高到了5.87%,UD-SVR明显优于参比模型,且预测精度高、指导性强、可解释性好,该提取条件的获得不但再次证实了UD-SVR方法的可行性和高效性,同时也为莲子皮中原花青素的深入研究奠定了前期基础。

关键词: 原花青素 均匀设计 支持向量回归 提取优化

 全文链接 请求原文
多肽一级结构表征与抗菌肽QSAM建模

高等学校化学学报 2012 SCI 北大核心

摘要:从整体上考虑多肽一级结构,提出了3种仅基于多肽氨基酸序列、计算简便、适于不等长肽和可捕获多肽上下文关联特征的多肽新描述子,即地统计学关联(GS-AA531)描述子、多尺度组分与关联(MSCC)描述子和地统计学关联与多尺度组分(GS-AA531-MSC)描述子.将其应用于2个抗菌肽体系(等长肽与不等长肽)的结构表征,并以支持向量回归建立QSAM模型.模型的拟合、留一法及独立测试结果表明,结合特征筛选的新描述子GS-AA531与GS-AA531-MSC的预测精度明显稳定且优于其它参比描述子,在多肽QSAM研究中具有广泛应用前景.

关键词: 结构表征 定量序效模型 抗菌肽 支持向量回归 特征筛选

 全文链接 请求原文
基于地统计学的多维时间序列模型及其在生态学中的应用

湖南农业大学学报(自然科学版) 2009 北大核心

摘要:基于地统计学半变异函数发展了一种新的多维时间序列最优阶数判断方法,并结合支持向量回归建立了既反映样本集动态特征又体现环境因子影响的非线性多维时间序列分析预测模型(GS-SVR).用一步预测法对两个生态学样本集的预测结果表明,GS-SVR预测精度高,并具结构风险最小、非线性、避免过拟合、泛化推广能力强等诸多优点.

关键词: 多维时间序列分析 地统计学 支持向量回归 生态学

 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

首页上一页1下一页尾页