|
|||||
|
|
| 粒子群算法结合支持向量机回归法用于近红外光谱建模 | |
| 作者姓名： | 程志颖 孔浩辉 张俊 柏文良 甘峰 |
| 作者单位： | 1.中国烟草广东工业有限公司技术中心;2.中山大学化学与化学工程学院 |
| 基金项目： | 国家自然科学基金资助项目,广东省自然科学基金资助项目,中国烟草广东工业有限公司资助项目 |
| 摘 要： | 研究了最小二乘法支持向量机(LSSVM)应用于烟丝样品和小麦样品的近红外光谱建模,采用粒子群优化算法(PSO)优化LSSVM的参数。通过对烟草样品和小麦样品的近红外光谱建模和预测,并与常规的偏最小二乘法(PLS)比较发现,PSO-LSSVM法具有更好的预测效果和稳健性。 |
| 关 键 词： | 最小二乘法支持向量机 粒子群优化算法 烟草 小麦 近红外光谱 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《分析测试学报》浏览原始摘要信息 | |
| 点击此处可从《分析测试学报》下载全文 | |