贺曼
- 作品数：2 被引量：6H指数：1
- 供职机构：西北大学信息科学与技术学院更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划更多>>
- 相关领域：理学化学工程自动化与计算机技术更多>>
- 基于PCA及SVM对含能化合物结构性能预测被引量：1
- 2008年
- 本文使用PCA(主成分分析)算法对含能化合物的结构参数进行数据预处理,这可降低数据维数和提取数据特征信息,将预处理后的数据作为SVM(支持向量机)算法的输入,通过SVM回归算法来建立含能化合物分子结构和性能之间的定量关系模型。结果表明,该模型能较好的反应含能化合物分子结构和性能之间的关系,具有较高的预测精度。
- 贺曼陈莉
- 关键词：主成分分析支持向量机含能化合物
- 基于遗传算法的支持向量机预测含能材料密度的研究被引量：5
- 2009年
- 基于遗传算法(genetic algorithm,GA)的变量筛选和支持向量机(support vector machine,SVM),提出了一种改进的定量结构-性质相关(quantitative structure detonation relationship,QSPR)建模方法——遗传-支持向量机(GA-SVM),并用其建立含能材料的定量结构-爆轰性能关系(QSDR)模型,此外还应用标准SVM方法建立了QSDR模型,并用这2种模型进行呋咱系含能化合物密度的预测,随机选取85%化合物作为训练集,用来建立模型,其余化合物作为测试集来测试模型的预测能力。预测结果的交互检验的相关系数平方分别为0.9887和0.9885,平均相对误差分别为1.16%和2.12%,表明了2种建模方法的有效性。通过对2种模型的预测能力进行比较,GA-SVM方法建立的QSDR模型能更好地预测呋咱系含能化合物的密度,更利于实际应用。
- 宗朝霞汤宏胜贺曼葛忠学来蔚鹏李华
- 关键词：支持向量机遗传算法
