基于致香成分的上部烟叶和中部烟叶分类判别

对上部烟叶和中部烟叶中致香成分的差异性进行了分析.首先,利用液相色谱-气相色谱-质谱联用法测定烟叶样品内的中性致香成分,包括茄酮、二氢猕猴桃内酯、巨豆三烯酮等共11种;其次,利用遗传算法筛选出影响上部烟叶和中部烟叶差异性的8种致香成分,进而建立了基于致香成分的上部烟叶和中部烟叶支持向量机分类判别模型,建模、留一法和预报和准确率分别为88.65%, 84.40%和82.86%;最后,利用Fisher判别矢量方法考察上部烟叶和中部烟叶的空间分布.结果表明, 3-羟基-β-二氢大马酮、巨豆三烯酮和茄酮是影响上部和中部烟叶差异性的3种主要致香成分,可为烟叶质量管理中烟叶的部位特征和香气控制提供参考.     

基于GA-SVM算法烟叶部位致香成分差异性分析

采用高效液相色谱-气相色谱-质谱联用法(HPLC-GC-MS)测定中部和下部烟叶的巨豆三烯酮、β-紫罗兰酮、氧化紫罗兰酮、茄酮等11种致香成分,应用遗传算法(GA)对筛选出的8种致香成分建立中部和下部烟叶支持向量机(SVM)分类判别模型.结果表明,中部和下部烟叶的SVM分类判别模型的建模、留一法及预报准确率分别为95.45%,89.39%和81.25%.利用Fisher判别矢量方法考察了中部和下部烟叶的空间分布规律,分析出中部和下部烟叶致香成分中,巨豆三烯酮、β-紫罗兰酮、氧化紫罗兰酮差异显著.     

化学成分-朴素贝叶斯分类算法的烟叶产地模式识别

把总糖、还原糖、总氮、烟碱、总氯和总钾这6个成分含量作为影响烤烟烟叶产地的自变量,利用朴素贝叶斯分类算法(NBC)建立烤烟烟叶生产地的判别模型.结果表明,用朴素贝叶斯分类建立的烟叶产地识别模型建模、留一法、预报准确度分别为91.24%、89.05%和88.24%,而用支持向量机分类和K点最近邻分类建立的烟叶产地识别模型的准确率均低于朴素贝叶斯分类建立的模型.可见利用朴素贝叶斯分类算法对烟叶产地进行模式识别研究,可以很好地反映烟叶样本由于产地的不同带来的差异.因此可以将NBC算法引入到烟草行业的研究中.     

基于主成分分析和支持向量机的区域降水预测应用研究

将主成分分析和支持向量机回归相结合, 以广西5、6月区域平均日降水量作为预报对象, 进行区域日降水量预测研究.首先,整理分析大量的T213数值预报产品信息数据进行主成分分析, 得到主成分数据序列; 其次, 根据主成分数据序列建立训练集训练支持向量机, 并利用遗传算法优化参数; 最后, 输入支持向量机所需数据, 得到主成分预测结果, 建立广西日降水预报模型. 实例计算结果表明, 支持向量机回归模型比逐步回归模型有更好的预测能力.     

新安江模型和支持向量机模型实时洪水预报应用比较

选择新安江模型和支持向量机模型分别在浙江省、陕西省的4个流域进行实时洪水预报,并使用K-最近邻实时校正法对新安江模型预报结果实时校正,比较2种模型在不同流域的应用效果,其中选择确定性系数、峰现时间误差、洪峰相对误差和均方误差作为模型预报评价指标。进一步改变预报预见期并分析2种模型在不同预见期内的预报精度。研究结果表明,新安江模型和支持向量机模型在不同流域洪水预报中各有优势,支持向量机模型预报精度受降雨精度影响较大。当预报预见期较长时,新安江模型预报结果更好;随着预见期缩短,支持向量机模型预报精度显著提高,在短预见期实时预报中支持向量机模型优势更明显。在预报难度较大的半湿润半干旱流域,新安江模型和支持向量机模型在率定期和实时预报过程中均具有较高精度。     

基于主成分分析和支持向量机的矿井水源判别

针对传统支持向量机法判别矿井水源准确率较低的问题,选取7种水化学成分指标作为矿井水源判别的指标,采用主成分分析(PCA)和支持向量机(SVM)相结合的方法建立PCA-SVM矿井水源判别模型。以山东盛泉矿业有限公司矿井太原组灰岩含水层和奥灰含水层的水化学特征中的27个样本进行训练和检验,并与传统的支持向量机模型结果进行比较,利用PCASVM模型对矿井水源进行判别,分类准确率由66.67%提高到83.40%。研究结果表明,利用PCA-SVM矿井水源判别模型能有效消除判别指标间的相关影响,判别率较高,引进主成分分析算法是必要的。     

基于模糊支持向量机的夏季雨型的预报方法研究

本文提出了基于一对一模糊支持向量机多分类方法的非线性夏季雨型预报模型.该模型在一对一支持向量机多分类算法的基础上引入模糊隶属度函数,其构造的分类超平面可以忽略噪声样本对分类结果的影响.实验结果表明,该模型较传统的支持向量机多分类方法和线性物理统计方法,具有更好的预报能力和更强的抗干扰能力,可以较好地弥补基于统计理论的相关分析和回归方法在处理非线性问题时具有较大的局限性     

基于支持向量机的古名瓷分类研究

选取84个汝官瓷和钧官瓷样品进行质子激发X射线荧光分析(简称PIXE),测得每个样品胎和釉的7种主量化学组成含量.用支持向量机建立汝官瓷和钧官瓷分类模型,结果表明:只要正确选择核函数和SVM算法,胎釉样品的分类结果就会比较理想.支持向量机是一种很有价值的处理古陶瓷数据的新方法.     

多环芳烃致癌活性的支持向量机分类模型

采用留一交叉校验法,分别用支持向量分类法、反向传播人工神经网络和K最近邻法对72个多环芳烃类化合物致癌活性构建分类模型,并作比较.其错分样本数及预报准确率分别为：7、28和22个;90.28%、61.11%和69.44%.实验结果表明,支持向量机算法具有较强的稳健性和较好的鲁棒性,能够用于多环芳烃致癌活性的分类和预测.     

云南省不同品种和产区烤烟中钾含量的差异分析

为掌握云南烟叶钾含量的特征情况,对2004～2008年全省12个烤烟种植区的8727个烤烟烟叶样品的不同产烟区和不同主栽品种烟叶中的钾含量进行了统计分析.结果表明:云南省烤烟上、中部位烟叶样品的钾含量(w,下同)绝大部分在1.0%～2.5%之间,下部烟叶样品的钾含量绝大部分在1.5%～3.0%之间;钾含量的平均值上部为1.63%、中部为1.80%、下部为2.13%.部位间烟叶钾含量差异达显著水平,下部叶钾含量显著高于中部叶,中部叶显著高于上部叶.各部位烟叶样本钾含量在州市间和品种间均存在一定的差异.地州间钾含量总体是普洱市、保山市和临沧市相对较高;昭通市、丽江市和楚雄州相对较低,差异达显著水平.云南4个主栽品种烟叶钾含量上部、中部叶是红大和K326显著高于云烟85和云烟87,云烟85和云烟87差异不显著;下部叶则是K326和云烟87显著高于云烟85和红大,云烟85和红大差异不显著.     

基于支持向量机的张掖市温度预报研究

基于21种常见的气象要素数据，利用支持向量机回归模型对张掖市的气温、最高气温、最低气温、24 h变温、露点温度和0 cm地温进行了预报。研究结果表明：支持向量机对张掖市温度有较强的预报能力，预报值与真实值十分接近，预报准确率都能达到90%以上；支持向量机对最低气温预报结果的平均绝对误差和均方根误差最小，为0.440℃和0.747℃，准确率达到了97.85%，对0 cm地温预报结果的平均绝对误差和均方根误差最大，为2.539℃和3.894℃，准确率为91.41%。     

基于PCA和PSO-SVM在葡萄酒分类中的应用研究

针对葡萄酒的物理化学成分冗余数据,提出了一种基于主成分分析(PCA)和粒子群优化—支持向量机(PSO-SVM)的模型用于葡萄酒的分类.首先,对葡萄酒的物理化学成分进行主成分分析,提取主要影响因素,减少输入维数,再利用粒子群优算法寻找支持向量机的最佳参数,并用支持向量机完成对训练集样本的学习和测试集样本的预测分类.结果表明,该模型与其他模型相比较,具有较高的准确性,有一定的适用价值.     

组合核支持向量机个人信用评估模型

针对支持向量机模型在分类问题中的广泛应用,提出了一种新的基于支持向量机的个人信用评估模型,通过对支持向量机直方图交叉核、热核特征核、杰卡德距离核和余弦广义距离核4种核函数的组合处理,构造了投票矩阵;通过实际数据实验,获得了良好的分类结果,同时证明了支持向量机自适应组合核加权模型在信用评分系统中具有良好的性能;因此,这种基于支持向量机的个人信用评估模型可以帮助银行或贷款人做出正确的决策。     

支持向量机算法用于癌症数据建模

支持向量机算法(Support Vector Machine)是基于统计学习理论(SLT)发展起来的新一代机器学习方法,并被成功地应用到很多模式识别问题中。文中支持向量机分类算法用于卵巢癌病变与非卵巢癌病变质谱数据建模。对卵巢癌数据进行判别预测,预报正确率达到98%。通过与KNN、神经网络等算法的预报结果相比较,其预报能力强于KNN、神经网络算法在这个问题中的应用,为支持向量机算法可以应用于癌症疾病辅助检测提供一例证。     

基于麻雀搜索算法优化支持向量机的瓶盖装配检测研究

针对基于支持向量机的瓶盖装配检测算法准确度不高、调参难度大的问题,提出通过麻雀搜索算法(Sparrow Search Algorithm, SSA)对支持向量机(Support Vector Machines, SVM)的关键参数寻找最优解.采集瓶盖部位图像,包括标准、歪斜、铝塑分离、胶塞缺失、高盖5种类型.提取6个典型特征构建数据集,采用二分类支持向量机分类,分别通过遗传算法、粒子群算法和麻雀搜索算法对支持向量机参数进行调节.训练结果表明,麻雀搜索算法优化后的支持向量机模型测试准确率达到98.33%,高于其他几种算法.基于SSA-SVM的瓶盖装配检测模型识别精度高,调参速度快,泛化能力强.     

基于LIBSVM的葡萄酒品质评判模型

葡萄酒的成分复杂,是划分葡萄酒品质的重要依据。文章通过对178个葡萄酒样品化学分析数据进行分析处理,其中葡萄酒属性13个,建立基于支持向量机的葡萄酒品质评判模型,利用LIBSVM工具对高维复杂葡萄酒属性数据进行分析、处理、优化和解释,分类结果准确率高达98%,从而对葡萄酒品质快速有效的评判提供了理论依据。     

基于二次规划的无监督支持向量机

支持向量机在分类中的推广能力是非常显著的.通过构造目标函数和约束条件,借助二次规划模型提出了一种无监督支持向量机,它能在聚类的同时求出最优分类超平面并保证了支持向量机的推广能力.     

用聚类支持向量机模型监测环保设备运行状态

针对环保设备多状态监测与识别问题,提出了一种基于多分类聚类支持向量机的分类算法模型.该算法模型充分利用多个相关联被监测设备及其状态属性特征,采用神经网络聚类分析获得关联特征的聚类子空间,再对聚类子空间构造二叉树支持向量机进行多分类识别.该算法模型避免了盲目分类,与单纯的支持向量机算法比较具有更好的分类性能.通过对日本大晃船用污水处理装置实测样本的训练、检验表明,该算法具有98%以上的分类识别率.     

基于PCA-SVM算法在岩性识别中的应用

针对岩性识别中传统方法识别率低且信息冗余的问题,建立PCA-SVM(主成分分析与支持向量机组合)岩性识别模型,即先利用主成分分析(PCA)进行参数处理,整合冗余,降低维数,后将处理得到的主成分作为支持向量机(SVM)测量模型输入的分类方法。在此过程中,优化主成分分析和支持向量机的参数,使模型具有较高的训练精度。结果表明,与传统的基于主成分分析的判别分析方法相比,预测结果与实际结果相比具有较好的一致性,识别准确率达100%。     

基于主成分分析和Fisher准则的脑电信号分类

脑-机接口(brain-computer interaction,BCI)利用脑电信号实现人脑与计算机或其它电子设备的通讯和控制,P300拼写范式是脑机接口中的一种常用方法.将遗传算法和支持向量机用于脑电信号的分类.选取三个实验者的实验数据作为处理对象,采用主成分分析和Fisher准则相结合提取特征.在用主成分分析降维后,Fisher准则进一步提取有效特征,提升分类准确率.采用支持向量机对特征数据分类.Fisher准则在特征提取中具有良好的效果.