支持向量機在多元校正、QSAR及化學(xué)模式識別研究中的應(yīng)用.pdf

1、化學(xué)計量學(xué)是一門結(jié)合了數(shù)學(xué)、統(tǒng)計學(xué)和計算機科學(xué)的新興交叉學(xué)科，它對化學(xué)實驗數(shù)據(jù)具有很強的處理能力和挖掘能力。作為一種近年來正逐步得以廣泛應(yīng)用的新興計量學(xué)方法，支持向量機(support vector machine，SVM)方法，是一種基于結(jié)構(gòu)風(fēng)險最小化的新算法。SVM不同于采用經(jīng)驗誤差最小化標(biāo)準(zhǔn)的、以誤差反向傳播(back propagation neural networks，BPN)算法為代表的人工神經(jīng)網(wǎng)絡(luò)方法，它可以在很大程度上

2、避免BPN算法使用過程中存在的“過學(xué)習(xí)(over-fitting)”問題；通過選用不同的核函數(shù)可以尋找出空間最優(yōu)平面，以期避免信息的丟失，獲得更為可靠、更為準(zhǔn)確的結(jié)果。SVM方法正在包括多元分辨和校正分析和模式分類研究等領(lǐng)域中逐步得以應(yīng)用，也有望在數(shù)據(jù)處理和分析任務(wù)愈來愈繁重的現(xiàn)代分析科學(xué)中發(fā)揮它的積極作用。本論文就從多元混合體系的同時定量分析，定量構(gòu)效研究和模式識別研究三個方面對支持向量機進行了應(yīng)用研究，具體內(nèi)容如下： 對于多

3、元混合體系的定量分析，常需要花費大量的時間和精力在多組分的預(yù)分離，借助化學(xué)計量學(xué)手段則可較簡單的實現(xiàn)復(fù)雜多組分的同時直接測定。我們將支持向量機應(yīng)用于處理混合重金屬離子的紫外.可見分光光度圖譜、蘆丁和抗壞血酸混合體系的紫外-可見分光光度圖譜及微分脈沖伏安圖譜以及多種混合氨基酸的拉曼圖譜。實驗和計算表明，支持向量機方法能很好地提取從混合圖譜中得到的信息進行解析，建模和預(yù)報的結(jié)果較BPN更為精確。 原子光譜的電子組態(tài)通常是根據(jù)譜線的能

4、級、強度、同位素位移、塞曼效應(yīng)等測量數(shù)據(jù)進行確定，或者應(yīng)用量子理論計算來指認。但由于光譜的復(fù)雜性，也有某些高激發(fā)態(tài)的原子光譜所屬的電子組態(tài)難于確定。雖然已有學(xué)者采用傳統(tǒng)的化學(xué)計量學(xué)方法進行了初步研究，但仍存在許多未知樣本無法預(yù)報和預(yù)報模糊的情況。因此，嘗試采用支持向量機預(yù)報Cm Ⅱ、Pu Ⅰ、U Ⅰ的未知組態(tài)。計算結(jié)果表明，相對傳統(tǒng)化學(xué)模式識別方法，支持向量機更全面、更準(zhǔn)確地預(yù)報了未知組態(tài)；同時在各個方法的預(yù)報結(jié)果對比后，加強說明了支持