《表1 网格搜索法结果：基于人工蜂群算法优化SVM的NIR杉木弹性模量预测》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于人工蜂群算法优化SVM的NIR杉木弹性模量预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

SVR运行环境为MATLAB R2016a，试验样本同上。采用6折交叉验证（6-CV）和网格搜索法寻找参数c和g。改变网格搜索范围会得到不同结果，本研究选取5个搜索范围进行测试，搜索步长设置为0.5。由表1可知，网格搜索法在不同搜索范围寻找参数最优值对模型的影响不同:当搜素范围锁定在2-5～25时，测试集预测R2最高，RMSE最小，模型预测能力最优；随着搜素范围扩大，模型预测能力逐渐减弱并趋于稳定。固定SVR模型参数搜索范围（2-5～25）进行训练，得到SVR模型参数选择结果如图3所示。