典型文献
基于改进的PCA和ISSA-BPNN的定量构效关系预测模型
文献摘要：
为提高药物研发的效率,通常使用定量构效关系(QSAR)模型来预测化合物的生物活性,从而进行筛选和优化.目前,基于统计分析的QSAR随着变量急剧增多变得束手无策,同时预测精度还有提高的空间.基于此,本文提出了一种基于改进的PCA算法对变量进行降维,并利用改进的麻雀搜索算法优化BP神经网络(ISSA-BPNN),以此提高预测的精度.改进的PCA算法先基于Pearson、最大互信息系数(MIC)和随机森林(RF)的加权得分得到主要特征变量,再用PCA算法对原特征进行降维得到主要输入变量;ISSA-BPNN算法优化BPNN的权值和阈值,达到输出稳定和保证全局收敛.以乳腺癌治疗时,化合物对ERα的生物活性数据为例进行了训练和预测.结果表明:本文所提算法预测精度更高,为药物研发提供了一种有效方法.
文献关键词：
BP神经网络;最大互信息系数;随机森林;SVR;XGBoost
中图分类号：
作者姓名：
陈强;王登文;铁治欣;洪亮
作者机构：
浙江理工大学 信息学院,杭州310018;浙江理工大学 科技艺术学院,浙江 绍兴312369;浙江传媒学院 媒体工程学院,杭州310018
文献出处：
引用格式：
[1]陈强;王登文;铁治欣;洪亮-.基于改进的PCA和ISSA-BPNN的定量构效关系预测模型)[J].智能计算机与应用,2022(07):84-89
A类：
B类：
ISSA,BPNN,定量构效关系,药物研发,QSAR,束手无策,改进的麻雀搜索算法,算法优化,最大互信息系数,MIC,RF,分得,特征变量,权值,全局收敛,乳腺癌治疗,ER,算法预测,SVR,XGBoost
AB值：
0.266731
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
