LSSVM、BPNN同时测定苯酚苯二酚异构体研究

研究比较了最小二乘支持向量机（LSSVM）、BP神经网络（BPNN）对苯酚、对苯二酚和间苯二酚混合液的紫外分光光度法同时测定，测定结果各组分平均相对误差LSSVM分别为2．75％、2．43％、1．45％；BPNN分别为2．97％、3．35％、4．72％；LSSVM模型测出量的相对误差的绝对值最大为5．73％，BPNN为16．10％．结果表明LSSVM用于该混合体系的同时测定数据解析。处理结果的准确性明显优于BPNN方法．     

分光光度法同时测定土壤中的铅、锌、镍、铜

采用分光光度法进行土壤中铅、锌、镍、铜离子的同时测定研究，通过模拟蓄电池厂周围土壤情况探讨了同时测定的实验方法．用偏最小二乘（PLS）和径向基函数神经网络（RBFNN）方法解析测定数据，结果表明PLS法的预测准确性明显优于RBFNN方法．     

基于PLS和SVM的纸张抗张强度建模比较

为解决纸张抗张强度预测模型实际相关性差、预测精度低的问题,基于某瓦楞纸厂生产线,通过机理分析筛选出影响抗张强度的生产变量,分别使用偏最小二乘法(PLS)和支持向量机法(SVM)对抗张强度建模,并通过相关性筛选后的简化模型对模型预测精度进行比较.结果表明,简化后的支持向量机模型更适合纸张抗张强度的现场预测,其均方根误差为321N/m,皮尔逊相关系数为0.909,预测速度快且模型精度较高.     

PLS萃取光度法同时测定贵金属元素Rh,Ir,Pd的研究

本文采用偏最小二乘（PLS）萃取分光光度法，把富集和显色连为一体，运用Rh(Ir,Pd)-5-Br-PADAP体系，不加分离直接进行多组分的同时测定。     

偏最小二乘紫外分光光度法同时测定四环素、土霉素和甲稀土霉素

将偏最小二乘紫外分光光度法应用于合成样品中四环素（TC）、土霉素（OTC）和甲稀土霉素（MTC）三组分含量的分析研究,确定了最佳实验条件．实验结果表明,偏最小二乘紫外分光光度法对样品中各组分的平均回收率在95．8％-103．6％之间,样品不经分离即可同时测定,取得了满意的分析结果．     

偏最小二乘—分光光度法同时测定重油中的铁、镍、钒

以8－羟基喹啉为显色剂,三氯甲烷为萃取剂,在pH=5.6的条件下,用偏最小二乘－分光光度法同时测定了铁、镍、钒含量均在2.0μg/mL的三组分合成样,测定相对误差小于1％。实验证明,对于加和性不好的体系,采用偏最小二乘－分光光度法取得的结果是令人满意的。     

人工神经网络光度法同时测定饮料中三种色素

用BP人工神经网络解析了日落黄、柠檬黄和胭脂红的吸收光谱，提出同时测定这三种色素的计算分析方法；并对饮料中的日落黄、柠檬黄和胭脂红进行了同时测定。日落黄、柠檬黄和胭脂红回收率分别为99．61％、103．45％和98．50％；使用了改进的BP算法，避免了神经网络学习过程中可能产生的麻痹现象；提出了目标向量的简单变换方法，与偏最小二乘法进行了比较。结果表明，BP神经网络法与偏最小二乘法一样能获得满意的分析结果。     

偏最小二乘（PLS）分光光度法同时测定铁钴铜锌

本文研究了高灵敏度显色剂ｍｅｓｏ－四（４－磺酸苯基）卟啉（ＴＰＰＳ４）与Ｆｅ（Ⅲ）、Ｃｏ（Ⅱ）、Ｃｕ（Ⅱ）、Ｚｎ（Ⅱ）共显色条件以及应用偏最小二乘（ＰＬＳ）法同时测定四组份的方法，获得满意的结果．本文还定义了未知样品与标准样之间的相关系数Ｑｒ，通过Ｑｒ值的大小预报未知样测试结果的准确性．     

偏最小二乘分光光度法同时测定牛乳中的钙和镁

以偶氮安替比林Ⅲ(简称ApⅢ)为显色剂，在生物酸度pH=7．3下，用偏最小二秉分光光度法研究了在实验条件下吸收光谱严重重叠时，实验模型的预报能力，并同时测定了牛奶中的钙、镁离子。结果表明，方法的准确度较好，结果令人满意。     

支持向量机在水资源研究中的应用

支持向量机在水资源中的应用较少,主要用于水资源时间序列预测。在介绍支持向量机回归原理的基础上,着重介绍支持向量机在水资源研究中的应用,并提出了应用中存在的一些问题。     

最小二乘支持向量机在人脸识别中的应用

 支持向量机(SVM)模式识别方法具备良好的分类性能和鲁棒性,在介绍了典型支持向量机与最小二乘支持向量机(LS_SVM)原理的基础上,给出最小二乘支持向量机的算法实现过程,将其应用于人脸识别当中,取得较典型支持向量机在时间上较好的效果.在OPL人脸库中的实验结果表明,基于LS_SVM的人脸自动识别系统更能适用于实时性要求较高的场合.     

基于最近邻法和支持向量机的个人信用评估方法

本文针对两类个人信用数据混叠较严重的数据集,提出对数据集先利用最近邻算法进行修剪,再应用SVM算法对个人信用进行评估的NN—SVM方法。仿真实验表明基于NN—SVM算法的个人信用评估方法比直接用SVM算法进行分析来的更加准确。同时,对比RBF_LS—SVM,Linear LS-SVM,Region single tree等算法的结果,发现NN—SVM算法明显优于其它算法。     

支持向量机训练算法概述

本文介绍了目前流行的机器学习方法——支持向量机,详细论述了目前主要的支持向量机的训练算法,分析了它们各自的优缺点。最后对支持向量机训练算法今后的研究提出一些设想。     

核向量机算法研究及应用

对训练样本规模为m的标准支持向量机(Support Vector Machine,SVM)进行训练,时间复杂度为O(m3),空间复杂度为O(m2)。文章研究将其转换成等价的最小包含球(Minimum Enclosing Ball,MEB)形式,使用核心集向量机(Core Vector Machine,CVM)高效获得近似最优解。CVM的优点是时间复杂度与训练样本规模m呈线性关系,空间复杂度与m无关。实验证明,CVM可以对大规模数据集进行高效的分类。     

基于支持向量机的交通标志识别方法研究

提出一种基于支持向量机的交通标志识别算法。该算法利用交通标志的形状和颜色特征,对在环境中的交通标志图像进行交通标志定位和种类划分,然后利用Hu不变矩对各种类中的交通标志进行特征值提取。最后将特征值输入到支持向量机中,利用支持向量机良好的学习和泛化能力对交通标志进行识别。实验结果表明此方法对交通标志识别准确性很高。     

基于支持向量机的压力传感器校正模型

针对压力传感器输出特性受温度变化和电压波动影响的问题,提出了应用支持向量机对压力传感器输出特性进行非线性补偿的校正模型。校正模型利用支持向量机具有逼近任意非线性函数的特点,通过建立压力传感器输出特性与其实际电压值之间非线性映射关系的校正模型,实现压力传感器非线性补偿校正。实验结果表明,最大相对波动从22.2%降为0.64%,能有效地消除温度和电压波动的影响,在校正模型的输出端得到期望的压力传感器输出特性。     

基于纠错输出编码的支持向量机在语音识别中的应用

利用纠错输出编码的矩阵编码构造出若干个无关的子支持向量机,用来改善分类模型的整体容错性能。使用了一对余、一对一、稠密型随机编码、稀疏型随机编码4种常用的纠错输出编码方法,用于训练集和测试集。实验结果显示,对于韩语非特定人小词汇量孤立词的语音识别,基于纠错输出编码的支持向量机比隐马尔科夫方法具有更高的识别率。其中,一对一编码是效果最好的。     

基于支持向量机的人脸识别算法

特征提取是人脸识别问题中的一个普遍问题,主要是指通过变换将图像空间中的人脸转化到人脸特征空间中,其目的是用最少的数据量表示原始图像的最多的信息.其中Fisher脸法是常用的特征提取方法,本文采用Fisher脸法和支持向量机的方法,构造了一个能够将图像数据空间的人脸映射到人脸特征空间中,并实施识别的实验系统.分析了该系统的构成与特点,并给出了实验测试结果.     

线性回归光度法测量多组分

介绍了光度法测量多组分线性回归法的原理,对吸收峰严重重叠的邻苯二酚、间苯二酚和对苯二酚三组份体系,线性回归法同时测定进行了比较。以283.5、279.5、276.5nm三波长为三种苯二酚的测量波长,按正交设计表L25(56)配置25组标准混合溶液,对三种苯二酚进行线性回归;同时测定了模拟混合样本中的邻苯二酚、邻苯二酚和间苯二酚含量。测量结果表明,回归方程加入常数项后,计算结果准确度有所提高。