《表3 SVR的参数值及预测性能》
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
《改进的FastICA-SVR结合荧光光谱技术测定1-萘酚、2-萘酚》
利用ICA将混合信号X分解得到各独立成分及混合矩阵A,根据ICA模型可知混合矩阵A与浓度矩阵相关,但它们之间的关系可能是非线性的,支持向量机可以实现非线性回归预测。采用支持向量回归机需要对核函数和参量进行选择。遗传算法(genetic Algorithm,GA)以生物进化为原型,是模仿自然界生物进化机制发展起来的随机全局搜索和优化方法,通过选择、交叉、变异等获得全局最优值,具有很好的收敛性,计算时间少,鲁棒性高[12]。本文采用RBF核函数,利用GA对SVR的参数c和g进行优化,设置遗传算法的终止代数=100,种群数量=20,得到SVR最优参数值,然后利用支持向量回归机对预测样本中几种物质的浓度进行测定,选择的参数值及预测性能见表3,其中RMSEP为预测均方根误差,r为相关系数。
图表编号 | XD0032179100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 王玉田、刘凌妃、张立娟、张正帅、刘婷婷、王书涛、商凤凯 |
绘制单位 | 燕山大学河北省测试计量技术及仪器重点实验室、燕山大学河北省测试计量技术及仪器重点实验室、燕山大学河北省测试计量技术及仪器重点实验室、河北环境工程学院、燕山大学河北省测试计量技术及仪器重点实验室、燕山大学河北省测试计量技术及仪器重点实验室、燕山大学河北省测试计量技术及仪器重点实验室、燕山大学河北省测试计量技术及仪器重点实验室 |
更多格式 | 高清、无水印(增值服务) |