用多波长和LS-SVM补偿土壤温度的方法研究

针对近红外光谱易受样品温度的影响,采用多尺度小波变换对光谱数据进行消噪,运用最小二乘支持向量机(LS-SVM)在全谱范围内建立了近红外光谱预测模型,研究土壤温度对土壤含水率预测结果的影响,提出了应用多波长和LS-SVM回归法补偿土壤温度对土壤含水率预测精度的影响.试验结果表明,土壤温度影响近红外光谱预测土壤含水率,模型...     

支持向量机在危险化学品被动红外遥测光谱鉴别中的应用

为提高危险化学品被动红外遥测光谱鉴别正确率,提出应用支持向量机建立鉴别模型。利用野外实测氨气被动红外遥测光谱样本集,变换惩罚因子C对比高斯核函数与多项式核函数的效能,结合网格遍历法搜寻最佳模型参数,建立了基于支持向量机的鉴别模型。基于40个训练样本得到的模型,对包含267个样本的测试样本集的鉴别正确率可达93.6%,明显优于3层网络结构的BP神经网络鉴别模型。实验结果表明,支持向量机鉴别模型是一种有效的危险化学品红外遥测光谱鉴别方法。     

基于支持向量机的无创血糖光谱算法

为了实现无创血糖浓度检测,提出了基于支持向量机回归模型的无创血糖光谱算法. 该算法使用光电容积脉搏波（PPG）设备对志愿者指端红光、红外光交替采样得到PPG信号,然后通过微创血糖仪测得血糖浓度. 对采集到的PPG信号进行处理提取特征组成特征矩阵,分别运用不同机器学习模型对特征矩阵和实时血糖浓度进行回归训练,得到特征矩阵与血糖浓度间的关系,并对训练得到的函数关系进行验证,选取出高斯核支持向量机模型为最佳训练模型. 实验证明,与偏最小二乘回归进行对比,本文提出的运用核函数为高斯核的支持向量机算法的预测准确度能提升10%～15%,预测的高低血糖正确率达到98%.     

基于支持向量机的干气制乙苯反应器出口温度预测模型研究

鉴于化工过程往往机理复杂、耦合性强、高度非线性,难于建立其机理模型,这时就需要采用经验建模的方法。支持向量机是一种新的机器学习方法,其基于结构风险最小化原则,用支持向量机建模不需要考虑对象机理,且对非线性问题有很好的效果,是一种良好的经验模型,己被应用于不少化工问题中。在本文中我们把支持向量机这一新颖算法应用于干气制乙苯反应器出口温度预测模型中,简要介绍了支持向量机的一些基本理论,在此基础上详细研究支持向量机在干气制乙苯反应器出口温度预测模型建模中的应用。首先,选择支持向量机的类型为ε-SVR,通过四种核函数在实际预测中误差的比较选择径向基(RBF)核函数作为本文支持向量机模型所用的核函数,之后应用交叉验证的方法选择最佳参数C=4,γ=0.0051543,最后建立预测模型并对训练集和预测集分别预测,预测结果相关系数在90%以上,说明模型精度达到要求。对支持向量机和遗传算法优化的BP神经网络算法的建模效果进行综合比较和讨论,得出支持向量机与传统建模方法相比有更好的预测准确率的结论。     

机器学习预测ACEI的比较与分析

血管紧张素转换酶抑制剂（ACEI）对高血压的治疗具有重要意义。基于从结构复杂的化合物数据库中构建的候选小分子数据集,采用分子对接技术从数据集中筛选出样本构建分类模型。分别采用支持向量机、[K]近邻、决策树、随机森林和贝叶斯方法建立血管紧张素转换酶潜在抑制剂和非抑制剂的分类模型。经结果对比,支持向量机相比于其他方法有更高的预测率,其中模型总体预测率和相关系数分别为82.4%和0.653。研究表明,支持向量机方法对于虚拟筛选血管紧张素转换酶抑制剂具有良好的效果。     

基于聚类和支持向量机的胃癌患者住院费用建模（英文）

针对胃癌患者住院费用分类标签设定的复杂性以及传统费用建模算法的局限性,本文提出了一种基于聚类和支持向量机的住院费用建模算法,为胃癌患者住院费用的控制和预测提供方法基础.搜集整理宁夏某三甲医院2009–2011年间1583例胃癌患者为样本,采用K-means对总住院费用逐年聚类得到分类标签,最后通过支持向量机对住院费用进行建模预测以及影响因素分析,用分类准确率作为预测效果的评价指标.实验结果表明胃癌患者住院费用呈逐年增加趋势,其中以西药费为主,占总费用的53.74%.通过K-Means以年份对费用聚类比单纯以费用分布特征聚类的分类准确率提高了13.13%,当核函数选用高斯核函数,且惩罚因子C=10和核参数γ=1时建立的支持向量机模型最稳定,分类准确率为92.11%.实验结果表明根据年份聚类得到类别标签更合理,结合聚类的SVM来预测住院费用更有效.     

基于简约集支持向量机的高光谱影像分类

针对高光谱影像支持向量机分类的预侧过程中需要花费大量计算时间的问题,提出了一种利用简约集算法提高高光谱影像分类预测效率的方法。采用径向基核函数,使用一对一构造多类支持向量机分类器,通过交叉验证网格搜索法对参数进行模型参数选择,并利用简约集算法来减少分类预测过程计算量。通过高光谱影像分类试验表明,保持支持向量机的泛化能力并不需要使用所有计算得到的支持向量,简约集算法能够在保持分类预测精度的同时,大大提高高光谱影像分类预测的速度。     

基于支持向量机和遗传算法的人脸识别研究

采用自适应遗传算法(AGA)优化筛选改进高斯核函数支持向量机(SVM)参数模型进行人脸特征分类。支持向量机的泛化性能主要取决于核函数类型和核函数参数及惩罚系数C,本文在传统高斯核函数基础上提出改进高斯核函数作为支持向量机的非线性映射函数,并使用自适应遗传算法优化筛选核函数参数和支持向量机惩罚系数,将优化后的SVM模型用于人脸库进行实验仿真。实验结果表明,本文方法比传统高斯核函数支持向量机分类器模型有更高识别率。     

多阶灰色支持向量机集成预测模型研究

对灰色预测模型GM(1,1)和支持向量机SVM预测模型进行分析,提出了多阶灰色支持向量机集成预测模型Dm_GM(1,1)-SVM。通过多阶缓冲算子改进灰色预测模型的预测精度,对最终预测值的各个相关指标进行预测;同时,采用粒子群优化算法对支持向量机模型进行径向基核参数和惩罚参数寻优,得到最佳参数对(c,g),从而确定支持向量机的最佳回归模型;最后将各指标预测值作为支持向量机模型的输入,依据预测模型和预测模型的输入值求得预测结果。实验实例表明,多阶灰色支持向量机集成模型和传统的预测模型相比,在本例中预测精度更高,说明多阶灰色预测模型和支持向量机模型相结合在解决实际预测问题中具有实用价值。     

用KPCA-LSSVM预测变压器油击穿电压

击穿电压是变压器油品质的重要参数,针对变压器油击穿电压难测试问题,提出基于核主元分析和最小二乘支持向量机的预测方法。为了提高变压器油击穿电压的软测量预测精度,本文选取与击穿电压关联性强的4个参量建立核主元分析模型进行特征提取,消除数据的相关性,得到的4个主成分的方差累计贡献率达96.84%,以此4个主成分作为最小二乘支持向量机软测量模型的输入;采用交叉验证法选取最小二乘支持向量机的惩罚参数和径向基核函数参数,建立核主元分析的最小二乘支持向量机变压器油击穿电压的预测模型,与BP神经网络和最小二乘支持向量机方法进行比较,采用平均相对误差和均方根误差来评价模型的性能指标。实验结果表明,本文提出的预测模型预测精度高、泛化能力好,能够满足变压器油击穿电压的测量需求。     

基于ACO优化SVM参数的蛋白质耐热性预测

氨基酸含量是影响蛋白质耐热性的主要因素,为了提高以氨基酸含量为特征向量的蛋白质耐热性预测的精度和预测模型的性能,提出了一种基于机器学习蚁群算法(ACO)优化支持向量机(SVM)参数的蛋白质耐热性预测方法。建立了SVM参数优化模型,探讨了基于网格划分策略的连续蚁群算法,通过对SVM的惩罚因子和径向基核函数的全局搜索,筛选出最优参数,使SVM的蛋白质耐热性预测率最优。结果表明:采用未优化的SVM建立的预测模型的蛋白质耐热性总预测率相对较低,约为76.5%,采用遗传算法优化预测模型参数后的预测率约为86.6%,采用ACO优化预测模型参数后预测率达到87.8%。采用ACO优化的SVM模型参数的寻优速度快,预测结果准确。     

基于灰色支持向量机的基金波动率预测研究*

鉴于灰色预测方法和支持向量机各自的优点,将灰色预测方法与支持向量机相结合,建立灰色支持向量机模型,并以极差替代收益的标准差度量波动率,运用新模型对深圳基金波动率进行实例分析。通过与v支持向量机的预测结果对比,发现所提出的模型适合于基金波动率的中短期预测。     

加工番茄早疫病高光谱遥感识别研究

为了快速监测加工番茄早疫病发病率和加工番茄的产量和质量,防止病虫害的扩大,该文基于高光谱遥感数据和田间早疫病调查数据,以新疆天山北坡典型加工番茄种植区为研究区,分析加工番茄早疫病的病叶光谱响应特征,寻找早疫病的敏感波段,再利用遗传算法优化支持向量机的惩罚参数c和核函数参数g,对不同病害严重度的病叶进行识别。结果表明:不同病害严重度加工番茄早疫病病叶的敏感波段为628nm~643nm和689nm~692nm;遗传优化算法得出支持向量机最佳惩罚参数c为0.129,核函数参数g为3.479;分别利用多项式核、径向基核函数、Sigmoid核进行分类训练和测试,最佳分类模型为径向基核函数模型,训练准确率为84.615%,预测准确率为80.681%,高于默认参数c和g的支持向量机模型。说明通过遗传算法优化支持向量机的识别方法具有更高的精度,支持向量机为多波段协同识别病害严重度提供了新的思路。     

基于支持向量学习机预测药物透血脑屏障的活性

为了预测药物透血脑屏障的活性,计算表征分子组成和拓扑等特征的87个分子描述符,经遗传算法筛选,参与建立基于支持向量学习机(SVM)的药物透血脑屏障活性分类模型.在模型训练中用网格搜索法确定核函数的两个重要参数C和γ,同时用5重交叉验证模型,结果证明模型预测能力较高,交叉验证的预测正确率达85.6%.     

基于SVM和GA的药物与人血清白蛋白结合的预测

为降低新药在临床实验的失败率,提高新药的ADME特性,在制药初期需考虑预测药物与HSA（人血清白蛋白）的结合能力,以提高预测正确率为目标并因此选取合适的制药成分。首先采用遗传算法对分子描述符进行筛选,然后利用支持向量机（SVM）模型预测药物与HSA的结合能力。针对支持向量机的分类精度和泛化能力取决于核函数参数选取的特点,提出了基于粒子群优化算法（PSO）的SVM核参数优化选择法。通过PSO自动获取SVM最佳核参数,并将结果同双线性网格搜索法比较,结果表明,建立的模型对药物与HSA之间的结合能力有较高的预测性,正确率达到86%。     

集成变量选择方法用于近红外光谱定量分析

本文建立了一种集成变量筛选方法,并用于玉米油分和蛋白质近红外光谱分析中的波长筛选。以光谱纯度值及回归系数构建变量重要性的评价指标w,将所有波长按w值大小排序后,用偏最小二乘交互检验按前向选择法选择最佳变量子集。最终从700个波长变量中分别选择了30和20个特征波长分别用于油分及蛋白质校正模型的构建,对独立测试集中样品油分和蛋白质预测的相关系数(R)、预测误差均方根(RMSEP)、平均相对误差(MRE)分别为0.9814、0.0329、0.714%和0.9887、0.0811、0.738%。而全谱变量建模对油分及蛋白质预测的R、RMSEP、MRE分别为0.9351、0.0606、1.474%及0.9709、0.1314、I.246%。可见该方法可有效地减少建模的变量数,提高预测精度。     

基于KPCA-LS-SVM的工业锅炉烟气含氧量预测

排烟含氧量是评价燃烧过程好坏和锅炉优化运行的重要指标,也是调节最佳风煤比的主要依据。针对工业锅炉氧量计使用受限的问题,提出一种混合的软测量方法:。为了提高烟气含氧量的软测量预测精度,本文分析与烟气含氧量有关的锅炉运行变量,从中确定8个,并采用核主成分析法进行参数处理,整合冗余,降低维数。经处理后得到的6个主成分,其累计贡献率达95.522%,以此作为最小二乘支持向量机软测量模型的输入。在此基础上,通过划分网格来改进交叉实验法,进而优化最小二乘支持向量机的2个参数。经优化得到的误差参数γ和径向基核函数参数σ~2分别为90.3和239.6,模型具有较高的训练精度。最后对某循环流化床锅炉进行建模仿真,利用采集的数据,分别建立最小二乘支持向量机、核主成分分析的最小二乘支持向量机和BP神经网络3种模型。应用3种模型对烟气含氧量进行预测,并采用3个模型性能指标进行对比分析。结果:表明,基于核主成分分析的最小二乘支持向量机的工业锅炉烟气含氧量模型,在小样本条件下学习更加有效,建模采样过程更快,预测精度更高。该模型有助于实现工业锅炉烟气含氧量在线软测量。     

基于改进多输出支持向量机的声发射源定位研究

为了提高根据声发射(AE)现象预报煤与瓦斯突出位置的精度,结合核主成分分析(KPCA),提出了一种改进的多输出最小二乘支持向量机(LSSVM)的目标定位方法.对于采集的声发射参数信号,采用核主成分分析提取重要定位特征;采用多输出最小二乘支持向量机建立定位模型,采用文化基因算法对多输出最小二乘支持向量机参数进行优化.试验测试定位性能,结果表明:算法提高了试验平台声发射定位的精度且定位时间少于其他定位算法,具有很高的实际应用价值.     

基于聚类和支持向量机的胃癌患者住院费用建模

针对胃癌患者住院费用分类标签设定的复杂性以及传统费用建模算法的局限性, 本文提出了一种基于聚类和支持向量机的住院费用建模算法, 为胃癌患者住院费用的控制和预测提供方法基础. 搜集整理宁夏某三甲医 院2009–2011年间1583例胃癌患者为样本, 采用K-means对总住院费用逐年聚类得到分类标签, 最后通过支持向量机对住院费用进行建模预测以及影响因素分析, 用分类准确率作为预测效果的评价指标. 实验结果表明胃癌患者住院费用呈逐年增加趋势, 其中以西药费为主, 占总费用的53.74%. 通过K-Means以年份对费用聚类比单纯以费用分布特征聚类的分类准确率提高了13.13%, 当核函数选用高斯核函数, 且惩罚因子C = 10和核参数 = 1时建立的支持向量机模型最稳定, 分类准确率为92.11%. 实验结果表明根据年份聚类得到类别标签更合理, 结合聚类的SVM来预测住院费用更有效.     

最小二乘支持向量机用于水量预测

针对标准支持向量机建模时间长的缺点,为了城市用水量准确预测,需建立有效的预测模型.采用的最小二乘支持向量机基于结构风险最小化,并在支持向量机的基础上,将求解二次规划问题转化线性方程组,采用径向基核函数,使最小二乘支持向量机模型的待定参数比标准支持向量机少,可大大加快建模速度,同时还采用了人工免疫系统的自适应动态克隆选择算法,在寻优过程中能够准确、快速地搜索最小二乘支持向量机的最优参数.把上述模型用于城市日用水量预测,具有学习速度快.也具有良好的非线性建模和泛化能力,而且预测精度较高.