《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》

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

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。