支持向量機在定量結(jié)構—活性相關中的應用.pdf

1、通常采用多元線性回歸、偏最小二乘、人工神經(jīng)網(wǎng)絡等方法建立定量結(jié)構-性質(zhì)/活性相關(QSAR/QSPR)模型。這些統(tǒng)計學方法是基于樣本趨向于無窮多的基礎上發(fā)展起來的，然而，由于人力、財力、物力的不足以及方法學本身的缺陷，致使人們常常不能獲得足夠多的樣本數(shù)據(jù)，導致所建QSAR模型常常不穩(wěn)健或可預測能力較差。為此，本文將近年來興起的、從基于小樣本的統(tǒng)計學習理論中誕生的支持向量機(SVM)算法引入QSPR/QSAR中，研究與拓展了SVM分類與回

2、歸算法在聚氯乙烯耐有機溶劑性能、部分有機化合物毒性作用模式分類和對多氯代二苯并二噁英的氣相色譜保留行為、部分有機化合物毒性回歸建模中的應用，結(jié)果表明了SVM算法在解決小樣本分類與回歸問題中的優(yōu)勢。 本文主要研究內(nèi)容及取得的成果如下： 1.支持向量機概述。 支持向量機是Vapnik等人在統(tǒng)計學習理論基礎上提出的一種確定兩類問題最優(yōu)分類超平面的有效算法。與傳統(tǒng)模式識別的降維方法不同，SVM算法是一種升維映射分類，它首

3、先將描述變量構成的輸入空間通過不同的核函數(shù)進行非線性映射，變換到更高維的特征空間，進而通過最優(yōu)化各類樣本在該高維空間中的分類距離確定最大邊界超平面，并確定最優(yōu)分類超平面，最終通過支持向量解決樣本分類問題。由于SVM具有比神經(jīng)網(wǎng)絡更好的泛化推廣能力，能消除神經(jīng)網(wǎng)絡的過擬合現(xiàn)象，能對小樣本問題構建穩(wěn)定可預測的統(tǒng)計分類模型，并能拓展到多類分類與回歸問題。因而已成為計算智能技術研究及其相關應用領域中新的研究熱點。本文從統(tǒng)計學習理論開始概括了SV

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

5、驗只有6個樣本識別錯誤；建立了40個訓練樣本的模型，對全部樣本識別也只有6個不正確，其中訓練集5個，檢驗集1個。 (2)以選定的醇、酮、醚、鏈烴、胺等190個有機化合物的辛醇/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+和非氫原子最高負電荷Q-為自變量，有機化合物的2種毒性作用模式為因變量，建立了有機化合物的極性麻醉和非極性麻醉毒性作用模式的分類模型，模型對190

6、個有機化合物的毒性作用模式全部正確識別，其LOO交互檢驗識別率達到100％；建立了130個訓練樣本的模型，對全部190個樣本識別也只有2個不正確，都是檢驗集樣本。 (3)以221個酚類有機化合物的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模型，模型對221個樣本的毒性作用模式有13個不能正確識別，LOO交互檢驗有23個樣本不能正確識別，模型對4毒性作用模式識別錯誤的情況分別為(錯誤

7、識別樣本數(shù)/各類總樣本數(shù))：0/153、3/18、11/27、2/23；建立了155個訓練樣本的模型，模型對全部221個樣本的毒性作用模式有16個不正確識別，訓練集和檢驗集各有8個識別錯誤。 3.SVM算法在回歸計算中應用研究。 (1)以75個對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回歸模型，實驗值與模型預測值之間的相關系數(shù)R

8、分別為0.9997、0.9975、0.9984、0.9998，標準偏差分別為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練集的模型，并預測了檢驗集和預測集；取得了非常好的效果。 (2)以21個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，實驗值與模型預測值之間的相關系數(shù)R為0.994，標準偏