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

作者：张雅雄; 王静

来源：计算机与应用化学, 2016, 33(12): 1295-1300.

DOI：10.16866/j.com.app.chem201612012

• 致敏性
• 极性参数
• 定量结构性质相关

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(Multiple Linear 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。

• 单位
  山西师范大学