引入支持向量机(SVM)技术对95个高聚物的折射率进行定量构性相关(QSPR)研究,并将其与多元线性回归(MLR)、神经网络(ANN)进行了比较.结果表明,对于小样本非线性问题支持向量机具较强稳定性及泛化能力,多数情况优于传统方法.所得模型复相关系数r2、交叉检验q2及对外部样本预测能力q2ext分别为0.943、0.938和0.919.
参考文献
| [1] | Kovesdi I,Dominguez-Rodriguez M F,Orfi L,et al.Med Res Rev[J],1999,19:249 |
| [2] | ZHANG Xue-Gong(张学工).Acta Automatica Sin(自动化学报)[J],2000,26(1):32 |
| [3] | Schlkopf B,Mika S,Burges C,et al.IEEE Trans Neural Networks[J],1999,10 (5):1 000 |
| [4] | ZHENG Yong-Xi(郑用熙).Statistical Methods in Analytical Chemistry(分析化学中的数理统计方法)[M].Beijing(北京):Science Press(科学出版社),1986 |
| [5] | Rumelhart D E,Hinton G E,Williams R J.Nature[J],1986,323:533 |
| [6] | Liu S S,Cai S X,Cao C Z,et al.J Chem Inf Comput Sci[J],2000,40:1 337 |
| [7] | Liu S S,Yin C S,Cai S X,et al.J Chem Inf Comput Sci[J],2001,41:321 |
| [8] | Sun L L,Zhou Y,Li G R,et al.J Mol Struct(Theochem)[J],2004,679:107 |
| [9] | Katritzky A R,Sild S,Karelson M.J Chem Inf Comput Sci[J],1998,38:1 171 |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%