支持向量机分类和回归用于肽的QSAR研究

• 作者: 周原 周鹏 曾晖 李志良 李波
• 来源期刊: 化学通报（印刷版）
• 学科: 化学
• 关键词: 支持向量机 定量构效关系 肽
• 年，卷（期）: 2006,（5）
• 所属期刊栏目: 研究论文
• 页码范围: 342-346
• 页数: 5页
• 分类号: O6
• 字数: 4749字
• 语种: 中文
• DOI: 10.3969/j.issn.0441-3776.2006.05.016

摘要

使用支持向量机技术对两类肽化合物体系进行了分类和回归研究,并将其系统地与K最邻近法、多元线性回归、偏最小二乘、人工神经网络进行了比较.结果表明,对于小样本、非线性问题,支持向量机具有较强的稳定性能及泛化能力,在大多数情况下能够得到优于传统方法的建模效果.对于分类问题,支持向量机对训练集和测试集都达到了100%的分类正确率;对于回归问题,支持向量机虽对训练集样本拟合效果略低于人工神经网络,但对外部测试集却表现出较强的预测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李志良	重庆大学化学化工学院	134	1393	19.0	33.0
5	周鹏	重庆大学化学化工学院	50	285	10.0	13.0
9	李波	重庆大学化学化工学院	52	462	13.0	19.0
10	周原	重庆大学生物医学工程教育部与重庆市重点实验室	21	259	8.0	15.0
14	曾晖	重庆大学化学化工学院	7	44	4.0	6.0