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%。     

基于低场核磁共振技术的鲜牛奶冷藏天数的鉴别

应用低场核磁共振技术结合简单分类算法(SIMCA)、线性判别法(LDA)和支持向量机法(SVM)对不同冷藏天数的鲜牛奶进行鉴别,并比较了SIMCA、LDA中不同函数及SVM中不同类型参数、不同核函数的建模效果。结果表明:LDA中Mahalanobis函数建立的模型优于Linear、Quadratic函数的模型;SVM中C-SVM类型的模型优于Nu-SVM类型的模型,径向基函数与线性函数的模型优于S型函数、多项式函数的模型。SIMCA模型的总识别准确率为95.83%,LDA中Mahalanobis函数建立的模型总识别准确率为100%,SVM中C-SVM类型的径向基函数建立的模型总识别准确率为87.50%。由此表明LDA中用Mahalanobis函数建立的模型最适合预测鲜牛奶的冷藏天数。     

改进的支持向量机算法在人脸识别上的应用

支持向量机算法作为一种新的机器学习方法,在处理小样本分类问题上具有明显优势,但核函数和参数的选取直接影响支持向量机算法的性能.针对该问题,文中通过组合全局核函数和局部核函数的混合核函数方法,建立了基于粒子群算法的混合核支持向量机算法,并将其用于ORL人脸数据库的人脸识别测试.结果表明,该改进算法较标准的支持向量机算法具有更高的识别率.     

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。     

支持向量机方法在烟叶可用性预测中的应用

为了对烟叶可用性分类进行评价,采用不同的核函数建立烟叶可用性支持向量机(Support Vector Machine,SVM)预测模型,对预测集样本进行预测,并与Fisher法的预测结果进行了比较。结果表明,SVM算法所建立的数学模型的预测准确率均比Fisher法高,且以径向基函数(RBF)建立的SVM分类模型的预测效果最好,对预测集样本的准确率达90%,说明SVM分类模型能较好地预测烟叶可用性。     

基于SVM的棉麻织物近红外光谱快速无损鉴别

将近红外光谱技术与支持向量机(SVM)相结合建立分类模型,用于棉、麻织物的快速无损鉴别。选用径向基函数(RBF)作为核函数,分别采用网格搜索法、遗传算法和粒子群算法对惩罚参数c和核函数参数g进行参数寻优。结果显示,用网格搜索法得到的最佳参数c和g建立的模型分类结果最好,模型对棉、麻训练集的分类准确率分别为100%和99.12%,对预测集的分类准确率均为96.67%。近红外光谱技术鉴别单个样品的时长小于3 min,实现了快速鉴别。结果表明,近红外光谱技术与支持向量机相结合,可用于棉、麻织物的快速无损鉴别。     

基于介电特性的鸡蛋品种无损鉴别

为更合理有效实现鸡蛋品种分类,研究一种介电特性无损鉴别鸡蛋品种方法。本实验以4组不同品种鸡蛋(江苏镇江洋鸡蛋、江苏镇江草鸡蛋、安徽老南沟草鸡蛋、江苏东台草鸡蛋)为研究对象,采用平行极板法测量4组鸡蛋在10~200 k Hz条件下的介电特性参数,并利用支持向量机(support vector machine,SVM)算法建立鸡蛋品种鉴别分类检测模型。研究不同核函数(线性核函数、多项式核函数、RBF核函数和Sigmoid核函数)、不同参数寻优算法(网格搜索法、遗传算法和粒子群算法)选择对分类模型准确率的影响。结果表明,以线性核函数为SVM核函数、粒子群算法为SVM参数寻优算法时,建立的鸡蛋品种SVM分类模型的性能最优,其训练集正确率为95.83%,测试集正确率为95.83%。利用介电特性无损检测技术结合SVM算法,取得了很好的分类效果,为鸡蛋品种鉴别提供了一种新的快速有效的方法。     

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。     

基于支持向量机的近红外光谱羊毛混纺面料的无损鉴别技术

采用便携式近红外光谱仪分别采集了羊毛/棉、羊毛/马海毛、羊毛/氨纶、羊毛/丝、羊毛/羊绒5种羊毛混纺面料的近红外光谱,利用支持向量机算法(SVM)分别对原始光谱和经归一化预处理后的光谱建立分类模型。选用径向基函数(RBF)作为核函数,并采用网格搜索法(Grid Search)、遗传算法(GA)和粒子群算法(PSO)对惩罚参数c和核函数参数γ进行参数寻优。结果表明:PSO-SVM模型分类结果最理想,模型对训练集整体分类准确率为100%,对验证集的整体分类准确率为94.87%,其中羊毛/棉、羊毛/马海毛、羊毛/氨纶3类面料的分类准确率均为100%,羊毛/羊绒的分类准确率为95%,羊毛/丝的分类准确率相对较低为85%。     

支持向量机在胃癌诊断预测中的应用

目的 利用支持向量机-微量元素法建立胃癌的模式识别,以期作为胃癌诊断的辅助手段.方法 采用电感耦合等离子体发射光谱法与支持向量机分类模式,判别健康者与患者血清中Zn、Fe、Cu、Ni、Co、Mo、Mn、Cr和Zn/Cu 9个指标,建立胃癌诊断的模型.结果 多项式核函数和径向基核函数的平均总正确率分别为91.11%和93.33%,灵敏度和特异度也达到了良好的水平.结论 本方法适于辅助诊断患者胃癌疾病,并为进一步研究微量元素与各种疾病之间的关系奠定了基础.     

支持向量机在胃癌诊断预测中的应用

目的利用支持向量机-微量元素法建立胃癌的模式识别,以期作为胃癌诊断的辅助手段。方法采用电感耦合等离子体发射光谱法与支持向量机分类模式,判别健康者与患者血清中Zn、Fe、Cu、Ni、Co、Mo、Mn、Cr和Zn/Cu 9个指标,建立胃癌诊断的模型。结果多项式核函数和径向基核函数的平均总正确率分别为91.11%和93.33%,灵敏度和特异度也达到了良好的水平。结论本方法适于辅助诊断患者胃癌疾病,并为进一步研究微量元素与各种疾病之间的关系奠定了基础。     

基于傅里叶变换近红外和支持向量机的霉变玉米检测

利用傅里叶变换近红外光谱对霉变玉米进行检测。运用波数范围在12 000~4 000 cm-1的FTNIR系统进行不同霉变程度样品光谱信息的采集,并利用支持向量机(Support Vector Machine,SVM)进行数据分析。结果显示,利用原光谱数据,以主成分分析(PCA)提取的前5个主成分作为输入,选用径向基函数(RBF)作为SVM核函数,并运用网格划分寻优法寻得的最优参数C、γ,所建立的分类模型最佳。SVM分类模型对训练集和测试集的预测准确率分别达到93.3%和91.7%,对独立样品集的预测准确率达到87.8%,表明基于FT-NIR和SVM进行霉变玉米的检测是可行的。     

基于支持向量机的牛肉嫩度等级评价模型研究

目的 利用VIS/NIR反射光谱建立基于支持向量机的生鲜牛肉嫩度等级的评价模型。方法 以牛肉背最长肌为研究对象, 选取样本58个, 在牛肉新鲜切口处采集波长范围400~1700 nm的反射光谱信息, 使用肉类嫩度测量仪测量牛肉剪切力值, 应用支持向量机(SVM)模型评价牛肉嫩度等级。结果 应用SVM模型可以较好地实现对牛肉嫩度等级的评价。尤其是经主成分分析降维预处理, 结合径向基核函数SVM, 对牛肉训练集嫩度等级的回判率达到95%, 对样品校正集判别的准确率进一步提高至83.3%。结论 SVM模型对牛肉嫩度等级评价结果较好, 进行主成分分析后, 判别结果有所提高。     

支持向量机在变压器故障诊断中的应用

变压器故障诊断的本质是一个多分类识别问题。支持向量机（Suppot Vector Machine,SVM）能够在小样本的情况下很好的解决这种故障识别,而参数合理选择对SVM的分类性能有很大的影响。讨论利用多种算法优化SVM分类器参数,并结合LIBSVM工具箱进行分析,给出了其GUI图形界面。对比分析了单一算法和混合算法对SVM性能的影响,并结合具体数据进行实例验证,可以作为变压器故障诊断辅助方法。     

基于扩展Shearlet变换、Krawtchouk矩和SVM的储粮害虫分类

为了进一步提高储粮害虫的识别精度,以便更有效地防治储粮害虫,提出了一种基于纹理和形状综合特征及全局混沌蜂群优化支持向量机(SVM)的储粮害虫分类方法。首先对储粮害虫图像进行扩展Shearlet变换,利用变换系数得到能量分布均值,加权后的能量分布均值构成纹理特征向量,用Krwtchouk矩不变量描述储粮害虫的形状特征;然后将纹理特征向量和形状特征向量分别归一化,两者结合构成储粮害虫的综合特征向量;最后用全局混沌蜂群算法优化SVM的核参数与惩罚因子,并应用参数优化的SVM进行分类。结果表明:与基于Gabor小波和支持向量机方法、基于Krawtchouk不变矩和支持向量机方法相比,本方法提取的储粮害虫特征信息更加完整,识别率更高。     

基于太赫兹时域光谱的芝麻油品种识别研究

为了实现对芝麻油品种的快速鉴别,本文基于太赫兹时域光谱(THz-TDS)提出一种芝麻油品种识别的方法。选取0~2.5 THz范围内的光谱进行分析,通过主成分分析法(PCA)对时域光谱数据进行降维,选择前4个主成分(累计贡献率大于99%)代表原始数据,然后利用支持向量机(SVM)方法对不同品种芝麻油进行分类识别,分类时使用3种不同的核函数建模,并采用网格搜索算法获得最优模型及其模型参数。使用径向基核函数(参数为惩罚函数C=0.01,核函数系数γ=0.1)的模型识别率最高,达到100%,说明太赫兹时域光谱技术结合PCA和SVM方法可以快速可靠的进行食用油的识别,为食品安全的识别提供一种新的技术手段。     

基于支持向量机和压力传感器的水果分类系统

目的:提高水果分类准确率并兼顾低计算成本和低传感器成本。方法:提出一种基于电容式压力传感器的水果分类系统,通过采用高斯核函数的支持向量机算法(高斯支持向量机算法)对水果进行分类。所采用的电容式压力传感器由薄铜片和一层乙酸乙烯酯制成,压力传感器被固定在模拟机械手的聚酰胺氨纶手套的拇指和食指上。获得的电容值以数字电平的形式表示,通过数据处理软件进行数据提取,采用核函数的支持向量机算法对电容数据进行处理,以确定水果的类别。结果:对11种水果的分类结果表明,采用高斯—支持向量机算法的智能手套能够实现水果的高准确率分类,且可根据实际需要在分类准确率、计算成本和低传感器成本之间权衡。结论:该系统可用于开发水果分类的电子系统,提升分类机械手的水果分类性能。     

基于IGWO-SVR短期储藏小麦品质预测模型研究

储藏小麦品质具有复杂性、易变性、多耦合特性，导致难以准确预测其品质状况。为此，本研究从小麦多生理生化指标关联性研究角度提出了一种新的品质预测方法。利用柯西核函数和改进的线性核函数来构造支持向量回归机（SVR）混合核函数，并用改进的灰狼算法（IGWO）对混合核函数SVR参数寻优，由此建立IGWO-SVR模型用于短期储藏小麦的品质预测。选用周麦22对模型进行验证，结果显示：混合核函数IGWO-SVR模型的平均相对误差相比于线性核、多项式核和径向基核的模型分别下降了4.24%、2.56%和1.74%；IGWO-SVR各预测效果评价指标均优于GS-SVR、CS-SVR和GWO-SVR模型，模型整体预测精度和拟合效果显著提高。最后通过周麦22的发芽率作为品质评估指标和郑麦9023多指标数据分别对IGWO-SVR模型的有效性和适用性进行检验，得到平均绝对百分比误差MAPE分别为1.85%和3.87%，表明模型性能良好。试验结果表明了新建立模型在短期储藏小麦品质预测方面的可行性。     

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。     

基于热分析图谱的卷烟配方原料分类分档模型构建与应用

【目的】提高卷烟配方原料分类分档的工作效率,帮助配方人员客观掌握配方原料的年度间波动。【方法】提出一种热分析图谱结合支持向量机算法（SVM）对卷烟配方原料进行分类分档的新技术。采用python3中sklearn中的SVM模块,通过核函数和one-against-all方法并选择合适的惩罚参数,对2016—2018年度的129个样品进行训练学习,并对33个样品进行测试。当模型预测准确率达到应用需求后,对2019年度46个卷烟配方原料进行分类预测。【结果】129个训练集样品的分类准确率为93.02%,33个样品测试集样品的分类准确率为84.85%,46个卷烟配方原料的分类准确率为84.78%。