支持向量机分类和回归用于肽的QSAR研究

被引：7

作者：

周鹏 ^{[1
]}

曾晖 ^{[1
]}

李波 ^{[1
]}

周原 ^{[2
]}

李志良 ^{[1
]}

机构：

[1] 重庆大学化学化工学院

[2] 重庆大学生物医学工程教育部与重庆市重点实验室

来源：

化学通报 | 2006年 / 05期

关键词：

支持向量机; 定量构效关系; 肽;

D O I：

10.14159/j.cnki.0441-3776.2006.05.004

中图分类号：

O629.72 [肽类];

学科分类号：

摘要：

使用支持向量机技术对两类肽化合物体系进行了分类和回归研究,并将其系统地与K最邻近法、多元线性回归、偏最小二乘、人工神经网络进行了比较。结果表明,对于小样本、非线性问题,支持向量机具有较强的稳定性能及泛化能力,在大多数情况下能够得到优于传统方法的建模效果。对于分类问题,支持向量机对训练集和测试集都达到了100%的分类正确率;对于回归问题,支持向量机虽对训练集样本拟合效果略低于人工神经网络,但对外部测试集却表现出较强的预测能力。

引用

页码：342 / 346

页数：5