利用低频特征的几种目标识别方法研究

利用目标的低频RCS(雷达散射截面)值作为目标识别的特征矢量.分别对线性分类方法、最近邻分类方法和多层感知器神经网络分类方法进行了阐述和研究,并将这几种方法用于雷达目标识别.最后对几种分类方法的识别结果做了比较.＃结果显示:这三种分类器对简单目标都得到了较高的正确识别率,这说明目标的低频特征包含了目标的有用信息.

机器学习法和分子对接法筛选BRD4抑制剂

目的采用分子指纹和分子对接法筛选BRD4抑制剂。方法采用1181个IC50值跨度从0.7~8.354×106nmol·L-1的BRD4抑制剂小分子作为训练集和测试集构建机器学习法的二元分类模型,利用ROC曲线,Sensitivity、Specificity和Accuracy值对二元分类模型进行评估;然后联合分子对接法筛选天然化合物库。结果用机器学习法构建的二元分类模型都较好适用于进一步筛选化合物库,文中运用支持向量SVM筛选天然产物化合物库,根据机器学习法得到的化合物在分子对接中与蛋白具有相似的相互作用模式。结论机器学习法所构建的二元分类模型可行度较高、预测能力较强,为寻找新型小分子BRD4抑制剂奠定了基础。