多因變量SVM回歸算法研究及其在光譜分析中的應(yīng)用.pdf_第1頁
已閱讀1頁,還剩41頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、支持向量機是在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的一種新的機器學(xué)習(xí)方法,基于結(jié)構(gòu)風(fēng)險最小化原則,可以有效地克服“維數(shù)災(zāi)難”和“過學(xué)習(xí)”等問題,被廣泛應(yīng)用于模式識別、回歸分析、密度函數(shù)估計等領(lǐng)域。本文主要從理論和應(yīng)用兩個方面對支持向量回歸機進行了研究,豐富了現(xiàn)有支持向量機模型。 本文首先介紹了統(tǒng)計學(xué)習(xí)理論的主要概念和定理、支持向量回歸機涉及到的最優(yōu)化理論、以及多目標(biāo)規(guī)劃理論和求解方法。在最小二乘支持向量回歸機(LS-SVM)算法的基礎(chǔ)上建

2、立了權(quán)重可優(yōu)化的多因變量LS-SVM回歸模型。 現(xiàn)代近紅外光譜分析技術(shù)已經(jīng)成為目前發(fā)展速度最快、最引人注目的光譜分析技術(shù)之一,它與計算機技術(shù)和化學(xué)計量學(xué)相結(jié)合為近紅外光譜定量分析奠定了理論基礎(chǔ)。本文利用烤煙和大豆的近紅外光譜數(shù)據(jù)驗證了多因變量LS-SVM建模算法的可行性。多因變量LS-SVM實際建模分析烤煙的四種組分——總糖、還原糖、總氮和煙堿的預(yù)測值與真實值間的相關(guān)系數(shù)分別為:0.9598、0.9412、0.9660、0.94

3、89;大豆兩種組分——粗蛋白和粗脂肪的預(yù)測值與真實值間的相關(guān)系數(shù)分別為0.8509、0.9711。本文還提出了“復(fù)合支持向量機”建模算法,利用水稻品質(zhì)遙感監(jiān)測試驗所獲得的高光譜數(shù)據(jù),基于模擬研究的思想,五次數(shù)據(jù)模擬試驗所得組分葉片含氮量的預(yù)測值和真實值間的相關(guān)系數(shù)為0.89,平均絕對誤差為0.088,驗證了算法的有效性。 研究結(jié)果表明,改進的支持向量機算法為光譜分析提供了新的數(shù)據(jù)建模方法,在光譜分析實驗研究中將會有良好的應(yīng)用前景

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論