南美白对虾货架期预测指标选择及模型研究

为研究南美白对虾品质指标与货架期之间的关系及南美白对虾在贮藏过程中的品质变化过程,精确预测其剩余货架期,通过检测277,272.2,255K温度下南美白对虾的感官指标、理化指标和微生物指标,分别针对南美白对虾品质检测的综合指标和部分关键指标,以支持向量机模型和BP神经网络模型为基础,建立南美白对虾货架期预测模型。结果表明:基于综合指标构建的货架期预测模型的预测精度(支持向量机为97.71%,BP为91.41%)比基于关键指标的(支持向量机为84.08%,BP为83.76%)高;基于支持向量机的预测模型的预测精度(关键指标为84.08%,综合指标为97.71%)比BP预测模型的(关键指标为83.76%,综合指标为91.41%)高;基于综合指标的支持向量机预测模型的预测精度是4种模型中最高的,为97.71%。该结论也可为支持向量机方法和预测指标选择在其他食品领域货架期的应用研究提供一定的参考。     

基于人工蜂群算法优化支持向量机的变压器故障诊断

支持向量机参数的选择直接影响变压器故障诊断分类的准确率,为了提高变压器故障的诊断精度,提出一种基于人工蜂群算法优化支持向量机的变压器故障诊断模型。利用人工蜂群算法优化支持向量机的惩罚因子C和核函数参数σ。实验结果表明,文章提出的算法能够获得较高的故障诊断精度。     

最小二乘支持向量机和脂肪酸融合信息应用于花生油掺伪玉米油检测

将最小二乘支持向量机用于气相色谱分析实现对花生油掺伪玉米油的鉴别,基于油脂的全样和Sn-2位脂肪酸组成的不同,采用主成分分析消除融合数据中信息重叠的部分,利用粒子群优化最小二乘支持向量机的参数,对花生油的掺伪进行鉴别,识别率为100%;分别采用最小二乘支持向量机、偏最小二乘法和主成分回归对花生油中掺入玉米油含量进行预测,结果表明基于脂肪酸融合信息的最小二乘支持向量机的预测均方根误差和相关系数R2分别为3.452 1%和0.986 6,与偏最小二乘法和主成分回归法相比,最小二乘支持向量机具有更好的稳定性和预测精度,同时也为食用油的真伪鉴别及掺伪情况确定提供一种新方法。     

乳制品冷链物流预警研究

针对乳制品冷链物流过程中的质量问题,提出基于支持向量机的乳制品冷链物流预警方法。通过分析乳制品供应链的特点及业务流程,结合其安全现状和影响因素,根据层次分析法建立预警指标体系。对比不同核函数下支持向量机的预测精度,整合安全风险预警指标体系,构建基于径向基核函数的支持向量机预警模型。在MATLAB平台下结合LIBSVM工具箱对支持向量机参数编程寻优。实例分析表明,参数优化后的支持向量与默认参数下的支持向量机以及BP神经网络相比,运算速度更快、预测精度更高,能够有效地对乳制品冷链物流进行预警,具有较强的操作性和实际意义。     

基于支持向量机的造纸废水处理过程故障诊断

故障检测和故障诊断是工业过程监控的主要内容。针对造纸废水处理过程的多变量、非线性、大时变等特点,本课题首先采用主成分分析（PCA）对故障进行检测,然后分别采用马氏距离判别分析和支持向量机(SVM)对偏移、漂移和精度下降3种故障类型进行故障诊断。计算结果表明,基于主成分分析的故障检测率达97.50%;基于支持向量机故障诊断方法的故障分离能力为90.00%,而基于马氏距离判别分析方法的故障分离能力为73.75%。相比基于马氏距离判别分析的故障诊断方法,基于支持向量机的故障诊断方法更适合于非线性时变的造纸废水处理过程。     

基于改进支持向量机的温室大棚温度预测

针对温室大棚中影响温度预测的因素以及温室大棚温度变化存在的非线性问题,提出基于改进支持向量机的温度预测模型。支持向量机选择性能较好的RBF核函数,结合网格搜索算法对支持向量机的核参数和惩罚因子进行动态寻优,考虑光照强度、湿度、风速对温度的影响。实验结果表明,与其他模型相比,改进的支持向量机预测误差更小,精度更好。     

基于决策树支持向量机的苹果表面缺陷识别

在基于机器视觉苹果缺陷识别过程中,因果梗/花萼与缺陷表皮颜色相似,极大地降低苹果表面缺陷识别准确率,提出一种基于决策树支持向量机(DT-SVM)的苹果表面缺陷识别方法。该方法首先采用单阈值法去除背景,其次在R通道中利用Otsu法和连通域标记法提取目标区域(果梗、花萼和缺陷)的颜色、纹理和形状特征,最后利用决策树支持向量机进行识别。以600幅富士苹果图像为例,使用该方法进行缺陷识别,结果表明该方法的平均准确率为97.7%。与1-V-1多分类支持向量机(1-V-1SVM)和AdaBoost分类算法相比,DT-SVM方法正确率高、耗时短。说明决策树支持向量机对苹果表面缺陷识别十分有效。     

基于拉曼光谱和支持向量机的黄酒品质快速分析

本研究使用拉曼光谱分析技术采集不同产地和不同酒龄的黄酒样品指纹信息,对比判别分析(DA)和最小二乘支持向量机(LS-SVM)所建黄酒品质快速模型性能,确定最优模型以实现快速准确地评价黄酒品质。本研究在全波段范围利用主成分分析对拉曼光谱数据降维,计算降维谱图间马氏距离,基于ward’s算法建立判别分析模型;将全波段范围作为最小二乘支持向量机的输入量,选择出能较好处理非线性问题的RBF为核函数,同时采用交互验证方式优化RBF核函数参数,基于优化RBF核函数,建立最小二乘支持向量机鉴别模型。研究结果表明:拉曼光谱结合最小二乘支持向量机鉴别模型对黄酒产地和酒龄的鉴别正确率均为100%;拉曼光谱结合判别分析鉴别模型对嘉善、绍兴和上海黄酒的鉴别正确率分别为100%、80%和80%,对黄酒酒龄的鉴别正确率均为100%;最小二乘支持向量机模型性能优于判别分析模型。拉曼光谱结合化学计量学方法可快速、准确评价黄酒品质。     

霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1含量电子鼻检测模型的构建

为建立霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1的电子鼻检测方法,首先以电子鼻对7级不同霉变程度玉米响应信号的积分值作为特征参量,然后分别利用主成分回归、偏最小二乘回归、BP(back-propagation)神经网络、最小二乘支持向量机等方法建立霉变玉米中玉米赤霉烯酮与黄曲霉毒素B_1含量的预测模型,并进行了比较分析。结果表明,主成分回归预测精度最差,偏最小二乘回归较差、BP神经网络和最小二乘支持向量机法比较好。对于玉米赤霉烯酮,4种预测模型70个样本中相对误差控制在5%以内的样本数分别为23、45、63、67个。对于黄曲霉毒素B1,4种预测模型70个样本中相对误差控制在5%以内的样本数分别为19、41、62、65个。同时,变换不同的训练集和测试集以考察BP神经网络、最小二乘支持向量机建模方法的稳健性,结果表明,在BP神经网络结构和最小二乘支持向量机核函数与核函数参数均未发生改变的条件下,两种建模方法依然有较高的预测精度,这说明了两种模型具有较高的稳健性。     

霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1含量电子鼻检测模型的构建

为建立霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1的电子鼻检测方法,首先以电子鼻对7 级不同霉变程度玉米响应信号的积分值作为特征参量,然后分别利用主成分回归、偏最小二乘回归、BP（back-propagation）神经网络、最小二乘支持向量机等方法建立霉变玉米中玉米赤霉烯酮与黄曲霉毒素B1含量的预测模型,并进行了比较分析。结果表明,主成分回归预测精度最差,偏最小二乘回归较差、BP神经网络和最小二乘支持向量机法比较好。对于玉米赤霉烯酮,4 种预测模型70 个样本中相对误差控制在5%以内的样本数分别为23、45、63、67 个。对于黄曲霉毒素B1,4 种预测模型70 个样本中相对误差控制在5%以内的样本数分别为19、41、62、65 个。同时,变换不同的训练集和测试集以考察BP神经网络、最小二乘支持向量机建模方法的稳健性,结果表明,在BP神经网络结构和最小二乘支持向量机核函数与核函数参数均未发生改变的条件下,两种建模方法依然有较高的预测精度,这说明了两种模型具有较高的稳健性。     

基于SVR的滴滤池处理TP关系模型研究

文章利用了支持向量机对滴滤池处理生活污水中的TP进行了细致的研究,建立出了支持向量机的TP去除率的模型,得到模型的准确性达到了82%以上,说明了模型的准确性科学性。同时建立了34个支持向量,通过投影高维面,很好的对TP去除率模型进行研究,对于工程中处理生活污水模型具有一定的意义。     

基于支持向量机的纱线质量预测

针对现有的优化纺纱工艺过程质量预测模型尚无法满足实际生产需要的问题,提出了纱线质量预测的支持向量机方法,并利用网格搜索对该模型的参数进行优化。经毛纱工艺实践表明,在小样本和"噪声"数据环境下,支持向量机模型仍能保持一定的预测精度,同人工神经网络模型相比,更适用于真实纺纱生产过程中的工艺控制。     

基于Krawtchouk矩和小波支持向量机的纸张缺陷识别方案设计

为实现对于纸张缺陷的高精度识别,提高纸张成品的生产质量,通过Krawtchouk矩不变量来提取纸张缺陷图像的特征向量。在此基础上,运用所获取的特征向量对小波支持向量机进行训练,并通过粒子群优化算法来获取惩罚因子与核函数参数,使小波支持向量机的分类性能达到最优。最后对提出的纸张缺陷识别算法的识别率进行试验,经统计分析发现,访算法的识别总精度高达98.33%。     

基于支持向量机的食源性致病菌近红外光谱鉴别

以近红外光谱法结合支持向量机对大肠杆菌O157∶H7、单增李斯特菌、金黄色葡萄球菌进行了分类鉴别。对预处理后的3 种食源性致病菌近红外光谱数据进行主成分分析,以前26 个主成分向量为支持向量机输入量建立支持向量机模型,对径向基函数核函数分类器与多项式核函数分类器进行了对比分析。结果表明,以径向基函数为核函数的支持向量机在核参数为0.5时对3 种食源性致病菌的鉴别效果最好,与国标方法相比结果一致,其鉴别准确率均达到100%。     

洗后织物外观视觉特征编码与折皱评级

为提高洗后织物外观平整度主客观评级的一致率,提出了基于视觉特征编码与多分类支持向量机相结合的织物折皱自动评级方法。首先,将6块立体标准样板扩充至450幅具有代表性的织物洗后折皱图像作为训练集;其次,模拟人眼视觉聚焦机制,利用稀疏编码技术,分别解析9个半级图像子库的多尺度编码特征,并构建形成各级特征向量链码;最后,利用线性多分类支持向量机算法评定其余200幅测试样本。实验结果表明:该方法主客观一致率为95.1%,评级精度为0.1级,单样本评级速度小于6 s,能够满足当前织物整理剂、洗涤剂、洗护设备等护理效果的商用评级用途。     

基于近红外光谱的重金属污染泥蚶的快速检测

提出了利用近红外光谱技术对重金属污染泥蚶的快速检测方法。以冷冻干燥磨粉的泥蚶肌肉为试验对象,方案设计分为两种:对照泥蚶和单一重金属(Cd,Cu,Pb或Zn)污染泥蚶的分类(设计Ⅰ);所有样本包括对照泥蚶和4种重金属污染泥蚶的分类(设计Ⅱ)。采用两种识别算法,即最小二乘支持向量机和随机森林,对设计I和设计II分别建立分类模型并进行预测。预测结果表明:设计Ⅰ:最小二乘支持向量机和随机森林的平均预测正确率分别为100%和95%;设计Ⅱ:最小二乘支持向量机和随机森林的平均预测正确率分别为96%和92%。利用近红外光谱技术快速检测重金属污染泥蚶具有可行性,可为泥蚶重金属污染提供一种快速检测方法。     

模糊型支持向量机及其在入侵检测中的应用

支持向量机是一种基于结构风险的机器学习方法,克服了传统学习方法仅采用经验风险最小化原理的不合理性,为此,研究人员将样本的隶属度引入到支持向量机中,以此解决支持向量机所存在的问题。在此基础上,文章通过分析研究模糊支持向量机FSVM、v型模糊支持向量机v-FSVM、模糊孪生支持向量机FTSVM,提出了v型模糊孪生支持向量机v-FTSVM;实验中选择了UCI数据集,验证了模糊型孪生支持向量机的性能。最后,将这些不同的支持向量机应用于入侵检测数据集,进一步检验模糊型支持向量机的有效性。     

基于高光谱成像技术的水果表面农药残留无损检测

在高光谱成像技术的基础上,提出了一种应用于水果表面农药残留的无损检测方法。对采集数据进行预处理和特征提取,通过细菌群体趋药性算法找到最优的最小二乘支持向量机参数,建立农残检测模型,并与最小二乘支持向量机模型进行比较,验证该模型的优越性和准确性。结果表明,基于连续投影法特征波长结合文中检测模型具有最高的检测精度,其准确率达97.92%。     

基于PCA-SVM的红枣缺陷识别方法

以干制红枣的黑斑、破头以及分类难度较高的干条3种病害图像作为研究对象,分别采用颜色矩和灰度共生矩阵提取颜色、纹理特征中的14维特征向量,然后采用主成分分析法对特征向量进行优化,得到4个主因素特征向量作为支持向量机输入。采用交叉算法确定最优支持向量机惩罚参数c和核函数参数g对支持向量机多分类模型进行训练,利用训练后的模型对红枣进行多分类试验。结果证明,该方法能够对红枣黑斑、破头和干条3种缺陷果进行快速准确的识别,识别率分别为93.3%,100.0%和96.6%,总识别率可达97.2%,且分类效率高。     

基于高光谱成像和外观特征的祁门工夫红茶质量数字化评判

研究提出基于高光谱成像（Hyperspectral imaging, HSI）结合化学计量学算法对七个等级的祁门工夫红茶样品外观质量评判。利用HSI系统采集样品原始图像,提取其9个色泽特征。利用灰度共生矩阵和灰度统计矩阵等图像纹理特征提取算法获得66个纹理特征数据。将图像色泽和纹理数据进行特征融合,以融合数据作为构建模型的特征向量。利用支持向量机、随机森林和最小二乘支持向量机（Least squares support vector machine,LSSVM）算法结合特征融合数据,构建祁门红茶样品的等级识别模型。实验显示,基于融合特征的LSSVM模型的判别精度最高,为94.85%。结果表明,HSI结合色泽、纹理特征和化学计量学方法作为一种快速和有效的策略,可以成功地应用于祁门工夫红茶等级质量的准确判别。