基于化学分子特征的愉悦度预测

摘要

构建高性能的嗅觉感知模型预测是嗅觉感知领域的一个热点和难点问题。目前一个重要的研究方向就是利用与气味物质结构相关的化学分子特征进行嗅觉感知的预测,这就是结构气味关系(Structure-Odor Relation,SOR)研究。嗅觉感知中最重要的维度是愉悦度,目前很多SOR研究都是针对愉悦度的预测展开的。针对这一问题,本文利用DRAGON7软件得到的高维化学分子特征数据作为输入,采用经典机器学习算法随机森林(Random Forest,RF)作为预测模型,在两种不同的输入化学分子特征维度下对愉悦度进行预测。实验结果表明,RF模型预测性能是稳定的,且在两种不同输入特征维度下,都达到了较好的预测效果。