支持向量機(jī)在定量結(jié)構(gòu)—活性相關(guān)中的應(yīng)用.pdf

1、通常采用多元線性回歸、偏最小二乘、人工神經(jīng)網(wǎng)絡(luò)等方法建立定量結(jié)構(gòu)-性質(zhì)/活性相關(guān)(QSAR/QSPR)模型。這些統(tǒng)計(jì)學(xué)方法是基于樣本趨向于無(wú)窮多的基礎(chǔ)上發(fā)展起來(lái)的，然而，由于人力、財(cái)力、物力的不足以及方法學(xué)本身的缺陷，致使人們常常不能獲得足夠多的樣本數(shù)據(jù)，導(dǎo)致所建QSAR模型常常不穩(wěn)健或可預(yù)測(cè)能力較差。為此，本文將近年來(lái)興起的、從基于小樣本的統(tǒng)計(jì)學(xué)習(xí)理論中誕生的支持向量機(jī)(SVM)算法引入QSPR/QSAR中，研究與拓展了SVM分類(lèi)與回

2、歸算法在聚氯乙烯耐有機(jī)溶劑性能、部分有機(jī)化合物毒性作用模式分類(lèi)和對(duì)多氯代二苯并二噁英的氣相色譜保留行為、部分有機(jī)化合物毒性回歸建模中的應(yīng)用，結(jié)果表明了SVM算法在解決小樣本分類(lèi)與回歸問(wèn)題中的優(yōu)勢(shì)。 本文主要研究?jī)?nèi)容及取得的成果如下： 1.支持向量機(jī)概述。 支持向量機(jī)是Vapnik等人在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上提出的一種確定兩類(lèi)問(wèn)題最優(yōu)分類(lèi)超平面的有效算法。與傳統(tǒng)模式識(shí)別的降維方法不同，SVM算法是一種升維映射分類(lèi)，它首

3、先將描述變量構(gòu)成的輸入空間通過(guò)不同的核函數(shù)進(jìn)行非線性映射，變換到更高維的特征空間，進(jìn)而通過(guò)最優(yōu)化各類(lèi)樣本在該高維空間中的分類(lèi)距離確定最大邊界超平面，并確定最優(yōu)分類(lèi)超平面，最終通過(guò)支持向量解決樣本分類(lèi)問(wèn)題。由于SVM具有比神經(jīng)網(wǎng)絡(luò)更好的泛化推廣能力，能消除神經(jīng)網(wǎng)絡(luò)的過(guò)擬合現(xiàn)象，能對(duì)小樣本問(wèn)題構(gòu)建穩(wěn)定可預(yù)測(cè)的統(tǒng)計(jì)分類(lèi)模型，并能拓展到多類(lèi)分類(lèi)與回歸問(wèn)題。因而已成為計(jì)算智能技術(shù)研究及其相關(guān)應(yīng)用領(lǐng)域中新的研究熱點(diǎn)。本文從統(tǒng)計(jì)學(xué)習(xí)理論開(kāi)始概括了SV

4、M算法用于模式識(shí)別和回歸計(jì)算的原理，總結(jié)了SVM中用到的優(yōu)化算法的發(fā)展情況，以及SMO(sequentialminimaloptimization)算法的實(shí)現(xiàn)策略，SVM軟件的使用方法。 2.SVM算法在分類(lèi)中的應(yīng)用研究。 (1)以73個(gè)有機(jī)溶劑和水分子的溶解度參數(shù)分量為自變量，非晶態(tài)聚氯乙烯在有機(jī)溶劑中的耐蝕性能為因變量，建立了SVM分類(lèi)模型，模型對(duì)全部樣本只有4個(gè)識(shí)別錯(cuò)誤；其LOO(Leave-One-Out)交互檢

5、驗(yàn)只有6個(gè)樣本識(shí)別錯(cuò)誤；建立了40個(gè)訓(xùn)練樣本的模型，對(duì)全部樣本識(shí)別也只有6個(gè)不正確，其中訓(xùn)練集5個(gè)，檢驗(yàn)集1個(gè)。 (2)以選定的醇、酮、醚、鏈烴、胺等190個(gè)有機(jī)化合物的辛醇/水分配系數(shù)Log(Kow)、最低未占有軌道能ELUMO、最高占有軌道能EHOMO、分子中氫原子的最高正電荷Q+和非氫原子最高負(fù)電荷Q-為自變量，有機(jī)化合物的2種毒性作用模式為因變量，建立了有機(jī)化合物的極性麻醉和非極性麻醉毒性作用模式的分類(lèi)模型，模型對(duì)190

6、個(gè)有機(jī)化合物的毒性作用模式全部正確識(shí)別，其LOO交互檢驗(yàn)識(shí)別率達(dá)到100％；建立了130個(gè)訓(xùn)練樣本的模型，對(duì)全部190個(gè)樣本識(shí)別也只有2個(gè)不正確，都是檢驗(yàn)集樣本。 (3)以221個(gè)酚類(lèi)有機(jī)化合物的MEDV描述子為自變量，化合物的4種毒性作用模式為因變量，建立了化合物的毒性作用模式的分類(lèi)模型，模型對(duì)221個(gè)樣本的毒性作用模式有13個(gè)不能正確識(shí)別，LOO交互檢驗(yàn)有23個(gè)樣本不能正確識(shí)別，模型對(duì)4毒性作用模式識(shí)別錯(cuò)誤的情況分別為(錯(cuò)誤

7、識(shí)別樣本數(shù)/各類(lèi)總樣本數(shù))：0/153、3/18、11/27、2/23；建立了155個(gè)訓(xùn)練樣本的模型，模型對(duì)全部221個(gè)樣本的毒性作用模式有16個(gè)不正確識(shí)別，訓(xùn)練集和檢驗(yàn)集各有8個(gè)識(shí)別錯(cuò)誤。 3.SVM算法在回歸計(jì)算中應(yīng)用研究。 (1)以75個(gè)對(duì)多氯代二苯并二噁英(PCDDs)的MEDV描述子作為自變量，以PCDDs在四種固定相的氣相色譜保留行為值為因變量，分別建立了支持向量機(jī)回歸模型，實(shí)驗(yàn)值與模型預(yù)測(cè)值之間的相關(guān)系數(shù)R

8、分別為0.9997、0.9975、0.9984、0.9998，標(biāo)準(zhǔn)偏差分別為6.0985、0.0103、0.0090、0.0057。模型的q2分別為0.9975、0.9906、0.9942、0.9936。建立了不同固定相各自訓(xùn)練集的模型，并預(yù)測(cè)了檢驗(yàn)集和預(yù)測(cè)集；取得了非常好的效果。 (2)以21個(gè)鹵代脂肪單酯分子的MEDV為自變量，脂肪單酯毒性為因變量，建立了SVM回歸模型，實(shí)驗(yàn)值與模型預(yù)測(cè)值之間的相關(guān)系數(shù)R為0.994，標(biāo)準(zhǔn)偏