简介：在这个工作，二个chemometrics方法被申请建模和一些器官、无机的混合物的electrophoretic活动性的预言。连续设计算法，特征选择(矿泉)策略，被用作描述符选择和模型发展方法。然后，支持向量机器(SVM)和多重线性回归(MLR)当模特儿被利用构造非线性、线性的量的structureproperty关系模型。用SVM模型获得的结果与用MLR获得的那些相比表明SVM模型比MLR那个具有更好预兆的价值。分别地，当时，为训练集合的root-mean-square错误和为SVM模型的测试集合是0.1911和0.2569由MLR模型，他们分别地是0.4908和0.6494。结果证明SVM模型急速地在QSPR研究提高预言的能力并且比MLR模型优异。
客服QQ：30444492琼网文【2021】1550-113号
增值电信业务经营许可证：琼B2-20210322
出版物经营许可证：新出发龙华出字第(2021)009号
广播电视节目制作经营许可证：(琼)字第00779号
版权所有 ©2002-2024 期刊网(www.qikanchina.com) 琼ICP备2021005105号
