排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
基于支持向量机的炭黑工艺建模 总被引：5，自引：0，他引：5
将支持向量用于炭黑工艺建模，并与主成分回归、反向传播人工神经网络以及径向基神经网络建模方法相比较．结果表明，炭黑生产过程具有比较强的非线性，不适合用主成分回归方法建立模型，支持向量机对炭黑吸碘值和吸油值的相对预测误差分别为1．62％和1．31％，所构建的模型的预测准确度明显优于反向传播人工神经网络(2．54％，1．64％)，稍优于径向基神经网络(1．85％，1．38％)。 相似文献
2.
多环芳烃及其衍生物致癌性的支持向量机预测模型 总被引：4，自引：2，他引：4
分别用支持向量分类法、Fisher法判别、K最近邻法和反向传播人工神经网络，对353种多环芳烃及其衍生物致癌性构建二分类模型，并采用留一法交叉校验作比较，所构建的支持向量机模型的误报样本数及预报准确率均高于其它3种方法．实验结果表明，支持向量机算法具有较强的稳健性和良好的泛化能力，能够用于多环芳烃及其衍生物致癌性的二分类和预测． 相似文献
1