PCA-SVM在芳香族化合物生物降解性QSBR研究中的应用

• 作者: 李书琴 杨会君 梁倩
• 来源期刊: 计算机与应用化学
• 学科: 工学
• 关键词: QSBR研究 主成分分析 支持向量机 网格-交叉验证法 生物降解性预测
• 年，卷（期）: 2012,（3）
• 页码范围: 355-359
• 分类号: TP391.9
• 字数: 6144字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4160.2012.03.024

摘要

定量结构-生物降解性能关系(QSBR)通过分析有机物结构与其生物降解性之间的定量关系,实现生物降解性的定量预测.针对影响生物降解性的基团结构多、传统方法难以消除基团数据之间的冗余,导致预测精度较低的问题,提出了一种基于主成分分析(PCA)-支持向量机(SVM)相结合的预测方法.首先利用主成分分析消除对该类化合物生物降解性影响较大的基团结构之间的冗余,降低数据维数,获取样本集主要信息;然后利用网格-交叉验证法优化后的支持向量机,建立预测模型.并与全要素的SVM模型及BP网络模型进行了比较,结果表明,该模型预测精度较高,具有通用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李书琴	西北农林科技大学科技大学信息工程学院	79	485	12.0	16.0
2	杨会君	西北农林科技大学科技大学信息工程学院	11	9	2.0	2.0
3	梁倩	西北农林科技大学科技大学信息工程学院	4	61	3.0	4.0