K-最近邻、K均值聚类法和投影寻踪模式识别方法用于有机物熔点的定量构效关系研究

• 作者: 张雅雄 马昕
• 来源期刊: 计算机与应用化学
• 学科: 化学
• 关键词: 有机物熔点 样本模式识别方法 多元线性回归 偏最小二乘 人工神经网络 QSPR
• 年，卷（期）: 2018,（4）
• 页码范围: 290-300
• 页数: 11页
• 分类号: TQ015.9|TP391.9|O6-39
• 语种: 中文
• DOI: 10.16866/j.com.app.chem201804004

摘要

选取两组有机化合物的熔点数据,采用ADMEWORKS ModelBuider软件计算并选取描述符,以所选描述符为自变量,熔点为因变量.通过三种模式识别方法……-K-最近邻法(K-Nearest Neighbor Method,KNN)、K-均值聚类法(K-Means Clustering Method,KMC)和投影寻踪方法(Projection Pursuit Method,PP)对样本进行分类,将分类后的样本分别以多元线性回归(Multiple Linear Regression,MLR)、偏最小二乘(Partial Least Squares,PLS)和人工神经网络(Artificial Neural Network,ANN)建立QSPR模型.结果表明,三种模式识别方法均可以提高模型的预测能力.模型的预测能力不仅与结构相似度有关,还与建模方法有关.非线性模型预测能力要优于线性模型.