用从头算量化参数预测吡啶类化合物的PKa值

用量子化学从头算RHF方法在6-31G（d）水平下，对吡啶类分子进行构型全优化，用优化得到的量化参数构建回归模型，预测吡啶类化合物的PKa值．实验结果表明用其模型预测的相关系数为0．9548、最大绝对误差为1．139、最小绝对误差为0．03、误差平方和为12．671．实验证明所构造的回归模型在预测吡啶类化合物的PKa值中得到满意的结果．     

加权支持向量机分类算法及应用

加权支持向量机分类算法是对类别差异造成的影响进行相应补偿的一种支持向量机算法，目的是提高样本中小类别的分类精度．我们通过用支持向量机和加权支持向量机算法相比较，加权支持向量机可提高样本中小类别的分类精度，这对于某些需要重点关注的小类别精度的分类有重要的现实意义．     

一种新的拓扑指数N用于烷基苯燃烧热的研究

结合烷基苯的结构特征,利用拓扑指数法建立一种新的拓扑指数N来预测和计算烷基苯的燃烧热,建立了新的方程：H=a·N＋b·N/T＋c·T/E＋d。经SPSS 13.0计算及残差分析,结果与实验值基本吻合,能对烷基苯的燃烧热进行很好的预测。