支持向量机用于胍类化合物Na/H交换抑制活性的模式识别

摘要：

将Vapnik提出的支持向量机(support vector machine,简称SVM)算法用于化合物活性的模式识别研究.SVM算法是特别适合于用有限已知样本训练建模,进而预报未知样本属性的模式识别新算法,将其用于N-(3-氧-3,4-双氢-2氢-苯并[1,4]噁嗪-6-羰基)胍类化合物的Na/H交换抑制活性类别的识别研究,用留一法考察了SVM模型的预报能力,并与Fisher判别矢量法和最近邻(KNN)法的分类预报结果进行比较,结果表明:SVM算法的预报结果优于Fisher法和KNN法的结果.因此,SVM算法可望应用于药物的构效关系研究领域.

关键词：胍类化合物、Na/H交换抑制活性、支持向量分类

所属期刊栏目：19

分类号：O06-04

资助基金：国家自然科学基金50174038

在线出版日期：2004-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：745-748