KPCA与GRNN在含能化合物QSAR中的应用研究

• 作者: 李富星 牛永洁 陈莉
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 核主成分分析 广义回归神经网络 结构性能关系 含能化合物
• 年，卷（期）: 2009,（7）
• 所属期刊栏目: 基金项目论文
• 页码范围: 112-114
• 页数: 3页
• 分类号: TP3
• 字数: 2617字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2009.07.038

摘要

使用KPCA(核主成分分析)对含能化合物的结构参数进行参数选择,在保持原有数据主要信息的情形下,得到数据的主成分.将降维后的特征信息作为GRNN(广义回归神经网络)的输入,含能化合物的性能数据作为输出,建立非线性的定量含能化合物结构性能关系预测模型.与PCA_GRNN模型的比较表明,该模型能很好地反映含能化合物结构和性能之间的关系,具有较高的预测正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈莉	西北大学信息科学与技术学院	67	651	17.0	22.0
2	牛永洁	延安大学计算机中心	50	329	9.0	15.0
3	李富星	延安大学计算机中心	17	36	4.0	5.0