图核及其在化合物分类中的研究的开题报告

图核及其在化合物分类中的研究的开题报告一、研究背景随着化学计算机辅助设计在新药开发中的应用越来越广泛，准确可靠的化合物分类方法也变得越来越重要。化合物的分类可以帮助研究人员快速有效地评估化合物的性质和

图核及其在化合物分类中的研究的开题报告 一、研究背景 随着化学计算机辅助设计在新药开发中的应用越来越广泛，准确可 靠的化合物分类方法也变得越来越重要。化合物的分类可以帮助研究人 员快速有效地评估化合物的性质和活性，以进行更精确的分析和预测。 因此，需要寻求一种实用可行的化合物分类方法。 Molecular Graph KernelMGK 分子图核（，）是一种化合物分类的有 MGKGraphGraph 效方法。将化合物表示为图（），并使用图核（ Kernel ）方法比较不同的图。图核是通过计算图之间的相似度，实现化合 物分类的方法。 MGK 然而，方法的应用仍存在一些问题，例如计算效率低下、核特 ——Graph 征难以提取等。为此，提出了一种新的化合物分类方法图核（ Kernel ）。 二、研究内容 本研究旨在对图核在化合物分类中的应用进行深入研究。主要研究 内容包括： 1. 理论基础。了解图核的基本原理和应用情况，以及图核在化合物 SVM 分类中的优势和局限性。研究图核算法中所涉及的数学理论，如、 SVD 等。 2. 特征提取。对于数据集中的化合物，提取出能够表达化合物特征 的特征向量。考虑到图核所需的特征向量具有高维度，需要对其进行降 维。 3. 分类方法。利用图核计算两个化合物的相似度，使用相似度作为 输入，采用机器学习算法对化合物进行分类。比较不同机器学习算法的 分类效果，选择相对优秀的算法。