版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、化合物結(jié)構(gòu)與其毒性的定量構(gòu)效(QSAR)關(guān)系研究,因其建立具有預(yù)測(cè)毒性能力的模型,對(duì)已經(jīng)進(jìn)入人類中的生物毒物以及尚未投放市場(chǎng)的新化合物的毒性進(jìn)行成功的預(yù)測(cè)和評(píng)價(jià),因而在生物毒物領(lǐng)域研究中已經(jīng)顯示出極其廣闊的應(yīng)用前景。本論文從支持向量機(jī)的回歸和分類兩方面對(duì)四類不同物種毒性進(jìn)行探討研究。以“小樣本,多維數(shù)”為特征的研究樣本,采用最小二乘支持向量回歸算法進(jìn)行研究;以“小樣本,貧信息”為特征的研究樣本,采用支持向量機(jī)多類分類算法展開研究。
2、> 用Gsussian98程序的DFT-B3LYP方法在6-311G**水平上幾何全優(yōu)化和計(jì)算了30種硝基芳烴化合物分別對(duì)梨形四膜蟲和圓腹雅羅魚的量子化學(xué)結(jié)構(gòu)描述符。經(jīng)振動(dòng)分析,所得穩(wěn)定構(gòu)型均無虛頻,量化計(jì)算了10余種結(jié)構(gòu)描述符如:μ、EHOMO、ELUMO、ENHOMO、ENLUMO、ΔE=ELUMO-EHOMO、Q-NO2、QC-NO2、V等,結(jié)合硝基芳烴對(duì)梨形四膜蟲和圓腹雅羅魚的急性毒性(-1gLC50)進(jìn)行定量構(gòu)效關(guān)系(QSA
3、R)研究。
應(yīng)用最小二乘支持向量機(jī)研究30種硝基芳烴對(duì)梨形四膜蟲急性毒性。取25種硝基芳烴化合物構(gòu)建訓(xùn)練集,5種硝基芳烴化合物作為預(yù)測(cè)集。對(duì)訓(xùn)練集建立數(shù)學(xué)模型,對(duì)預(yù)測(cè)集模擬。同時(shí),列出逐步回歸、偏最小二乘回歸、徑向基神經(jīng)網(wǎng)絡(luò)等方法的仿真結(jié)果,得出最小二乘支持向量機(jī)模型性能最優(yōu),在此模型基礎(chǔ)上找出了影響該類化合物毒性的各個(gè)因素。
應(yīng)用最小二乘支持向量機(jī)研究30種硝基芳烴對(duì)圓腹雅羅魚急性毒性。取23種硝基芳烴化合物構(gòu)建訓(xùn)
4、練集,7種硝基芳烴化合物作為預(yù)測(cè)集。對(duì)訓(xùn)練集建立數(shù)學(xué)模型,對(duì)預(yù)測(cè)集模擬。同時(shí),列出逐步回歸、偏最小二乘回歸、徑向基神經(jīng)網(wǎng)絡(luò)等方法的仿真結(jié)果,得出最小二乘支持向量機(jī)模型性能最優(yōu),在此模型基礎(chǔ)上找出了影響該類化合物毒性的各個(gè)因素。
應(yīng)用支持向量機(jī)研究23種芳香腈對(duì)發(fā)光菌的毒性分類。選擇適合的核參數(shù),應(yīng)用“窮舉法”對(duì)參數(shù)進(jìn)行優(yōu)化,其正確率達(dá)到了90.91%,F(xiàn)isher判別分析正確率81.82%,優(yōu)于概率神經(jīng)網(wǎng)絡(luò)的72.73%。
5、r> 應(yīng)用遺傳算法-支持向量機(jī)對(duì)77種多環(huán)芳烴毒性進(jìn)行分類。由于“窮舉法”優(yōu)化參數(shù)耗機(jī)時(shí)間長(zhǎng),遺傳算法具有隱含的并行性和強(qiáng)大全局搜索能力,可以在很短的時(shí)間內(nèi)搜索到全局最優(yōu)點(diǎn),因此采用遺傳算法對(duì)參數(shù)進(jìn)行優(yōu)化。對(duì)于毒性的分類:支持向量機(jī)的正確率為81.25%,F(xiàn)isher判別分析的正確率為71.88%,概率神經(jīng)網(wǎng)絡(luò)的正確率為76.56%。
總之,支持向量機(jī)具有理論完備、全局優(yōu)化、非線性映射強(qiáng)、泛化能力好的優(yōu)點(diǎn)。而在實(shí)際化學(xué) QS
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 支持向量機(jī)在藥物代謝和藥物的QSAR模型中的應(yīng)用.pdf
- 支持向量機(jī)在多元校正、QSAR及化學(xué)模式識(shí)別研究中的應(yīng)用.pdf
- 局部支持向量機(jī)的研究.pdf
- 基于對(duì)支持向量機(jī)的醫(yī)學(xué)圖像分類研究.pdf
- 支持向量機(jī)和支持向量域描述的若干問題研究.pdf
- 支持向量機(jī)特性研究.pdf
- 基于邊界向量預(yù)選的支持向量機(jī)算法研究.pdf
- 支持向量機(jī)建模方法的研究.pdf
- 支持向量機(jī)參數(shù)選擇的研究.pdf
- 支持向量機(jī)融合方法的研究.pdf
- 基于對(duì)支持向量機(jī)的入侵檢測(cè)技術(shù)研究.pdf
- 魯棒支持向量機(jī)研究.pdf
- 支持向量機(jī)研究及其應(yīng)用.pdf
- 支持向量機(jī)相關(guān)方法研究.pdf
- 模糊支持向量機(jī)算法研究.pdf
- 模糊支持向量機(jī).pdf
- 支持向量機(jī)訓(xùn)練算法研究.pdf
- 不同核條件下的支持向量機(jī)算法研究及驗(yàn)證.pdf
- 利用支持向量機(jī)對(duì)癌細(xì)胞識(shí)別的研究.pdf
- 基于支持向量機(jī)的魚類胚胎保存抗凍劑毒性試驗(yàn)設(shè)計(jì)研究.pdf
評(píng)論
0/150
提交評(píng)論