搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于拓扑结构的碱金属化合物摩尔磁化率的支持向量回归研究

蔡从中 庄魏萍 温玉锋 朱星键 裴军芳 肖婷婷

引用本文:
Citation:

基于拓扑结构的碱金属化合物摩尔磁化率的支持向量回归研究

蔡从中, 庄魏萍, 温玉锋, 朱星键, 裴军芳, 肖婷婷

Topological research on the molar magnetic susceptibility of alkali metal compounds with support vector regression

Cai Cong-Zhong, Zhuang Wei-Ping, Wen Yu-Feng, Zhu Xing-Jian, Pei Jun-Fang, Xiao Ting-Ting
PDF
导出引用
计量
  • 文章访问数:  5309
  • PDF下载量:  642
  • 被引次数: 0
出版历程
  • 收稿日期:  2009-01-15
  • 修回日期:  2009-04-30
  • 刊出日期:  2009-12-21

基于拓扑结构的碱金属化合物摩尔磁化率的支持向量回归研究

  • 1. 重庆大学应用物理系,重庆 400044
    基金项目: 教育部新世纪优秀人才支持计划(批准号: NCET-07-0903)、教育部留学回国人员科研启动基金(批准号: 2008101-1)、重庆市自然科学基金(批准号: CSTC2006BB5240)和国家大学生创新性实验计划(批准号: CQUCX-G-2007-016)资助的课题.

摘要: 基于经典电动力学导出的表征简单离子磁化率的磁性点价gi所构建的分子磁性连接性指数?mF及45种碱金属化合物的摩尔磁化率χm的实测数据集,利用粒子群寻优的支持向量回归(SVR)方法,建立了基于0F和1F的碱金属化合物χm的预测模型,并与基于多元线性回归(MLR)模型的计算结果进行了比较.结果显示,基于9次交叉验证的SVR模型预测的平均绝对误差、平均相对误差绝对值以及均方根误差均比MLR模型小,表明SVR模型的回归预测能力优于MLR.研究表明,磁性连接性指数mF是一种合适的分子描述符,SVR是一种预测碱金属化合物χm的有效方法.

English Abstract

目录

    /

    返回文章
    返回