10.16866/j.com.app.chem201612012
基于K最近邻与K均值聚类法的样本分类方法用于有机物的定量构效关系建模——对有机物致敏性及其极性参数的研究
本文选取了部分有机物致敏性和部分有机物极性参数两组数据,均采用ADMEWORKS ModelBuilder软件计算并选择出合适的结构描述符,进而采用K最近邻和K均值聚类法对两组数据进行分类,然后对分类后的数据分别运用多元线性回归(MultipleLinear Regression,MLR)、偏最小二乘(Partial Least Squares,PLS)和人工神经网络(Artificial Neural Networks,ANN)方法进行QSPR建模研究.结果表明,无论采用何种分类方法都可以在一定程度上改善模型预测的结果.对于两组样本,有机物分子结构差异较小的样本集模型预测结果较优,非线性模型的预测结果整体优于或相当于线性模型的预测结果.
致敏性、极性参数、定量结构性质相关
33
TQ015.9;TP391.9;O6-39(一般性问题)
山西省留学回国人员项目2014-045;山西省自然科学基金项目2010011013-2;山西师大教改项目SD2013JGXM-54
2017-03-24（万方平台首次上网日期，不代表论文的发表时间）
共6页
1295-1300
