基于支持向量机回归与K-最近邻法的组合预测用于除草剂QSAR建模

摘要：

为了提高定量构效关系(QSAR)研究的预测精度,发展了一种基于支持向量机回归(SVR)与K-最近邻法(KNN)的组合预测方法:以均方误差(MSE)最小为原则,基于SVR实施核函数寻优;基于MSE最小原则与最优核函数以SVR进行描述符筛选并得到保留描述符;通过"多轮末尾强制淘汰法"揭示各保留描述符对预测精度的影响程度;从保留描述符出发,以不同KNN预测值反映样本集异质性并构建子模型,然后基于SVR以留一法实施组合预测.运用该组合预测方法研究苯乙酰胺类除草剂QSAR建模,结果表明:基于SVR与KNN的组合预测方法在参比模型中预测精度最高,具结构风险最小、非线性、能有效克服过拟合、泛化推广能力优异等优点,在QSAR研究中具有广泛的应用前景.

关键词：支持向量机回归、K-最近邻法、组合预测、定量构效关系

所属期刊栏目：9

分类号：O641(物理化学（理论化学）、化学物理学)

资助基金：国家自然科学基金30570351;教育部跨世纪优秀人才培养计划

在线出版日期：2008-05-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：324-329