自适应迭代最小二乘支持向量机回归算法

 基于最小二乘支持向量机回归算法,本文在前期工作的基础上进行了扩展,提出了更加详尽的自适应迭代最小二乘支持向量机回归算法. 与标准的LSSVR相比,本文提出的算法在学习新样本的时候利用了已有的学习结果,可以快速获得新的学习机. 模拟结果表明,自适应迭代最小二乘支持向量机回归算法能够自适应地确定支持向量的数目,保留了QP方法在训练SVM时支持向量的稀疏性,在相近的回归精度下,该算法极大地提高了标准LSSVR学习的速度.     

水泥生料成分的近红外光谱分析方法研究

水泥是一种重要的基础建筑材料,对社会生产有着重大的影响,实现水泥生料成分的快速检测对建筑行业的发展具有重大意义。本文基于近红外光谱分析方法研究了水泥生料中的Al2O3、Fe2O3成分的含量检测,首先通过联合X-Y距离划分法对样品集进行划分,然后对训练集采用不同光谱预处理方法进行处理,最后采用偏最小二乘回归和支持向量回归分别对近红外光谱数据建立预测模型,并对预测结果进行分析比较。研究结果表明,采用S G平滑预处理和偏最小二乘回归建模的近红外光谱分析方法检测效果较佳,Al2O3检测模型的决定系数R2为0895,预测均方根误差(RMSEP)为0072;Fe2O3检测模型的决定系数R2为0732,RMSEP为0023。研究结果为水泥生料成分的检测提供了有效的分析方法,促进了水泥行业的进一步发展。     

用近红外光谱预测土壤碳含量的研究

以田间行走式设备获取的近红外光谱数据为基础,利用最小二乘回归法(PLSR)建立了应用近红外光谱数据预测土壤碳含量的校正模型,与利用原始光谱数据建立的模型相比,应用经比值或归一化差值处理的光谱数据建立的校正模型可以提高预测精度.精度提高的原因可能是光谱数据经过波段算术组合处理后,能降低模型建立过程中产生过配的风险,使模型能包括更多的成分和信息.研究结果表明,利用偏最小二乘回归法,可以有效地建立田间近红外光谱与土壤碳含量之间的校正模型;同时,应用比值或归一化差值这些波段算术组合方法来处理近红外光谱数据,可以进一步提高模型的预测精度.因此,应用行走式设备获取的近红外光谱数据来快速测定田间土壤中碳的含量是可行的.     

基于联合区间偏最小二乘判别分析的猪肉近红外光谱定性建模分析

为解决偏最小二乘判别分析(PLSDA)建模时光谱区域中的噪声及冗余信息干扰问题,提出一种基于联合区间偏最小二乘判别分析(Si PLSDA)算法,并将该算法应用于猪肉近红外光谱的定性建模分析。Si PLSDA利用联合区间偏最小二乘回归(Si PLS)进行光谱特征区域筛选,在筛选出来的光谱区域内建立数据的定性预测模型。采用Antaris II快速傅里叶变换近红外光谱分析仪获取波数范围为10000~4000 cm-1的猪肉样本近红外光谱,采用标准正态变量变换(SNV)进行近红外光谱的预处理,用Si PLSDA建立猪肉近红外光谱的定性模型。实验结果表明,Si PLSDA建立的预测模型对猪肉储藏时间的识别率达到93.94%,高于基于全光谱区域建立的PLSDA预测模型的识别率。     

用光谱主成分分析选择烟草近红外模型校正集样品

为研究光谱主成分分析方法在选择烟草近红外模型校正集样品过程中的可行性,本文采用常规的人为挑选和光谱主成分分析两种方法选择校正集样品,并利用偏最小二乘法建立烟叶总糖、总氮和烟碱含量的预测模型,同时比较了这两种校正集样品选择方法所建立模型的各项评价指标和预测结果的差异性。结果表明,上述两种方法建立的总糖、总氮和烟碱含量预测模型的各项评价指标非常接近,对20个烟叶样品的预测结果也无明显差异。因此,应用光谱主成分分析是烟草近红外模型构建过程中的一种非常有效,且节约常规化学分析成本的校正集样品选择方法。     

近红外光谱比值法测定烟草中六组分含量

以300个烟草样品的近红外光谱为基础,采用比值法和多元二次回归相结合的方法,建立了近红外光谱与烟草六组分(尼古丁、总糖、还原糖、总氮、钾、氯)含量间的一种测量模型,并采用交叉验证和样品实际测量的方法对模型的预测能力进行测试,结果表明该模型具有良好的预测能力,是一种快速高效检测烟草品质的方法,且具有测定波长少、计算简单、实现方便等特点,易于推广和产品化。     

基于拉曼光谱全谱数据的无损快速胆维丁含量定量检测方法

提出了利用拉曼光谱全谱数据结合偏最小二乘法实现胆维丁含量快速无损定量检测方法。 采用实验室自主研发的便携式拉曼光谱仪采集了39组不同含量胆维丁样品的拉 曼光谱,26组作为训练集建立偏最小二乘预测模型,13组作为测试集验证模型。测试集预测的 含量和实际含量的线性相关系数为0.999。研 究结果表明拉曼光谱全谱分析结合偏最小二乘法可以用于胆维丁含量的快速定量检测。     

黄酒总酚含量检测:一种基于GA-LSSVM的近红外光谱波段选择方法

主要研究了近红外光谱技术对成品黄酒中总酚含量快速检测的可行性。针对近红外光谱样本少、非线性等特点,首次将最小二乘支持向量机(Least squares support vector machines,LSSVM)方法引入到传统遗传算法(genetic algorithms,GA)的波长选择中,提出一种基于GA-LSSVM的近红外光谱波段选择方法。该方法采用LSSVM建立小样本下不同波段的非线性模型,然后通过GA算法进行波长的优化选择。应用中,基于GA-LSSVM模型的总酚预测集相关系数(Rp)为0.9734,预测均方根误差(RMSEP)为5.5596,相比于传统方法,GA-LSSVM算法能够较好地提取非线性信息,预测效果更好。     

油脂酸价近红外光谱检测PLS建模方法研究

将目前广泛流行的近红外光谱分析技术应用于食用油脂酸价的检测。由于近红外光谱分析是一种间接检测方法,需要先利用校正集样本建立统计模型,然后再利用模型来预测未知样品性质,因此建立准确可靠的模型是近红外光谱分析的关键。详细介绍了偏最小二乘（PLS）回归的基本思想和建模方法。为使建立的校正模型更稳健,还研究了光谱波段选择。通过间隔偏最小二乘回归波段选择法进行特征波段提取,对提取的特征波段和全谱分别进行偏最小二乘回归建模,对比分析以说明波段选择的必要性。     

用近红外光谱法快速测定欧美杨木质素含量

以欧美杨的木质素含量为研究对象,给出了建立近红外光谱分析模型的一种多模型方法。所建模型可用于快速预测欧美杨中的木质素含量,其预测值与实验值之间的相关系数为0．9702,预测结果的平均相对误差为0．0100,模型的拟合优度为0．9126。将所建模型与用偏最小二乘法建立的欧美杨木质素含量预测模型进行了对比,前者的预测效果优于后者。     

基于可见/近红外光谱技术的黄瓜叶片SPAD值检测

为了快速准确检测黄瓜叶片的SPAD值,采用可见/近红外光谱技术并结合化学计量学方法建立了黄瓜叶片SPAD值校正模型.并用不同建模方法对全波段光谱进行建模,结果表明用最小二乘支持向量机(LSSVM)建模得到的预测效果最好,其相关系数r和预测均方根误差RMSEP分别为0.9583和0.9732.通过分析黄瓜叶片的光谱反射率与SPAD值的相关系数和PLS建模回归系数,得到了531~581nm和696~716nm 2个特征波段以及556nm、581nm、698nm和715nm 4个特征波长,应用LSSVM分别对特征波段和特征波长建模.分析表明,采用特征波段建模,其预测相关系数r和预测均方根误差分别为0.9338和1.1370,与全波段建模结果相近,而采用特征波长建模效果稍差.特征波段建模大大减少了建模中的运算量,提高了建模速度,便于相应检测仪器的开发,所以,采用光谱特征波段建模对黄瓜叶片SPAD值的检测更为有效.     

玉米粉中苯甲酸的太赫兹光谱定量检测研究

为了检测玉米粉中苯甲酸的含量，控制苯甲酸在玉米粉中使用量，提高食品安全等级，采用太赫兹光谱技术对玉米粉中苯甲酸含量进行定量研究，获得了玉米粉中不同质量分数的苯甲酸在0.5THz~3THz的光谱数据。采用偏最小二乘、最小二乘支持向量机和多元线性回归构建光谱模型，未参与建模的样品用来进行模型评估, 并利用预测集相关系数R_p和预测集均方根误差e_RMSEP对模型进行了评价。结果表明, 最小二乘支持向量机模型评价能力最强，预测集相关系数R_p=0.9958，预测集均方根误差e_RMSEP=0.0057。说明太赫兹技术结合化学计量学方法可以用于定量检测玉米粉中苯甲酸的含量。     

连续投影算法的润滑油中含水量近红外光谱的分析

应用近红外光谱技术结合连续投影算法（SPA）实现了油中含水量的分析。对57个油样进行光谱扫描,通过比较不同预处理方法,以相关系数（R）和均方根误差（RMSE）作为模型评价指标,建立油中含水量预测的全波段偏最小二乘法（PLS）模型。同时应用SPA提取有效波长,作为PLS的输入变量,建立了SPA-PLS模型。结果表明经连续投影算法提取24个特征波长建立的模型,所用变量数仅占全波段的 4.68%,SPA-PLS优于全波段的PLS模型,其对验证集样本进行预测的相关系数和均方根误差分别为0.994 4和5.455 110-5,获得了满意的预测精度。说明应用光谱技术检测油中含水量是可行的,并能获得满意的预测精度,为进一步应用光谱技术进行油中其他污染物的在线监测提供了新的方法。     

基于PSO-LSSVM的过电压识别

为了获得理想的过电压识别结果,提出了粒子群优化算法优化最小二乘支持向量机参数的过电压识别方法。首先采用小波变换对过电压原始信号进行分解,提取过电压信号的特征量,然后将过电压信号的特征量作为最小二乘支持向量机的输入,建立过电压识别分类器,并采用粒子群优化算法估计最小二乘支持向量机的参数,最后采用实测的过电压数据进行仿真实验,测试其可行性。结果表明,本文方法可以对各种类型的过电压信号进行准确分类和识别,识别结果稳定,且过电压识别率要高于其它方法。     

用近红外光谱技术快速测定聚氯乙稀K值的新方法——正交信号校正法

本文基于正交投影的正交校正算法(OSC),建立了聚氯乙稀近红外光谱与其K值之间关系的数学模型,提出了用近红外漫反射光谱技术快速检测聚氯乙稀K值的新方法。研究结果表明,原始光谱经正交信号校正处理后,聚氯乙稀K值化学测定值与近红外预测值的相关系数和标准差为R=0.9825、RMSEP=0.5933,预测结果的相对误差在0.5%以内,且正交信号校正算法能取得比单纯使用偏最小二乘回归更好的预测效果,模型更为简单。为用近红外光谱快速测定聚氯乙稀的K值提供了一条新途径。     

基于STM的三维荧光导数光谱法检测食品中黄曲霉素

基于支持张量机(STM)的三维荧光导数光谱定量分析方法,检测了食品中黄曲霉素。在计算三维荧光导数光谱时,将常规的、只适用于向量光谱数据的Savitzky-Golay方法扩展到由二阶张量描述的三维荧光光谱中。同时,应用了STM方法建立校正模型,对白酒和牛奶中的黄曲霉素进行了检测。在对白酒中的黄曲霉素检测中,复相关系数(CC)和预测误差均方根(RMSEP)分别为0.952 3和14.847 5,与常规的偏最小二乘(PLS)和支持向量机(SVM)方法相比,CC分别提高了2.40%和2.34%,RMSEP分别降低了8.92%和4.36%。在对牛奶中的黄曲霉素检测中,CC和RMSEP分别为0.996 5和5.448 9,与PLS和SVM的方法相比,RMSEP分别提高了0.40%和0.30%,RMSEP分别降低了18.31%和17.18%。检测结果表明,基于STM方法建立的校正模型要优于传统的SVM方法和PLS方法。     

基于相空间重构与最小二乘支持向量机的时延预测

针对网络控制系统的时延预测问题,提出一种基于相空间重构与最小二乘支持向量机的时延预测方法.首先利用0-1测试法确定时延序列具有混沌特性,引入相空间重构技术提高预测精度.对实际采集的时延序列进行Hurst指数分析,选择最小二乘支持向量机作为预测模型.然后利用C-C方法确定时延序列相空间重构参数,通过递归图确定时延序列的局部可预测性,利用遗传算法对最小二乘支持向量机的参数进行离线优化.最后通过优化后的最小二乘支持向量机并结合相空间重构对时延序列进行在线预测.与其它预测方法进行了仿真对比,结果表明本文方法具有更高的预测精度与更小的预测误差,同时并未降低预测算法的实时性.     

基于可见-近红外光谱技术的润滑油酸值无损检测方法研究

研究了基于可见-近红外光谱技术的润滑油酸值无损检测方法.获得了润滑油在475～975 nm范围内的可见-近红外光谱.采用最小二乘支持向量机(LS-SVM)建立可见-近红外光谱检测模型,并通过将无信息变量消除算法(UVE)与连续投影算法(SPA)相结合进行光谱有效波长选取.通过UVE-SPA法进行变量选择计算,最终将原始...     

非线性系统辨识在侦察接收机中的应用

雷达对抗侦察接收机在接收、截获脉冲信号的同时,也改变了脉冲信号的原始包络。这些改变不符合雷达辐射源识别的高精度要求。通过理论计算定性分析接收机对脉冲信号包络的不利影响,并提出利用非线性系统辨识理论中的最小二乘支持向量回归（LSSVR）算法获取接收机逆系统模型,以便恢复包络信息,最后通过仿真试验说明该方法的有效性。