支持向量机算法和软件ChemSVM介绍

被引：65

作者：

陆文聪

陈念贻

叶晨洲

李国正

机构：

[1] 上海大学理学院化学系计算机化学研究室,上海大学理学院化学系计算机化学研究室,上海交通大学图象及模式识别研究所,上海交通大学图象及模式识别研究所上海,上海,上海,上海

来源：

计算机与应用化学 | 2002年 / 06期

关键词：

模式识别; 支持向量机; 支持向量分类; 支持向量回归;

D O I：

10.16866/j.com.app.chem2002.06.005

中图分类号：

O6-39 [电子计算机在化学中的应用];

学科分类号：

0703 ;

摘要：

Vladimir N.Vapnik等提出的统计学习理论(statistical learning theory,简称SLT)和支持向量机(support vector machine,简称SVM)算法已取得令人鼓舞的研究成果。本文旨在对这一新理论和新算法的原理作一介绍,并展望这一计算机学界的新成果在化学化工领域的应用前景。“ChemSVM”软件提供了通用的支持向量机算法,并将其与数据库、知识库、原子参数及其他数据挖掘方法有机地集成起来。

引用

页码：697 / 702

页数：6

共 12 条

[1] Support vector machines in combinatorial chemistry [J].

Trotter, MWB ;

Buxton, BF ;

Holden, SB .

MEASUREMENT & CONTROL, 2001, 34 (08) :235-239

[2] Drug design by machine learning: support vector machines for pharmaceutical data analysis [J].

Burbidge, R ;

Trotter, M ;

Buxton, B ;

Holden, S .

COMPUTERS & CHEMISTRY, 2001, 26 (01) :5-14

[3]

Chemometric methods applied to industrial optimization and materials optimal design.[J].Chen Nianyi;Lu Wencong;Chen Ruiliang;Li Chonghe;Qin Pei.Chemometrics and Intelligent Laboratory Systems.1999, 1

[4]

模式识别方法在化学化工中的应用.[M].陈念贻等著;.科学出版社.2000,

[5]

统计学习理论的本质.[M].(美)VladimirN.Vapnik著;张学工译;.清华大学出版社.2000,

[6] 支持向量机及其他核函数算法在化学计量学中的应用 [J].