摘要：为TNNA体免疫缺陷蛋白酶抑制剂的活性，计算了表征分子的组成和拓扑特征的462个分子描述符，用Kennard-Stone方法和随机方法进行了训练集和测试集设计，用Monte Carlo模拟退火方法进行变量筛选，并分别用神经网络。逻辑回归，k-近邻和支持向量学习机方法建立了HIV-1蛋白酶的抑制剂模型．结果表明支持向量学习机优于其余机器学习方法，用SVM方法所建立的最优模型的最后预测正确率达到98．24％．

原文链接:http://www.cqvip.com//QK/91047X/200703/23758055.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）