《表3 不同方法选择的核函数参数的SVM模型判别结果Tabel 3Classification results of SVM model with kernel function parameters
由图2可知,两组样品的判别区分不能直接实现,而SVM判别非线性可分数据是通过选取合适的核函数,解决低维空间映射到高维空间增加计算复杂度的问题,得到高维空间函数进行非线性可分数据的分类。常用的核函数主要有多项式核函数、径向基核函数(radial basis function,RBF)、线性核函数、Sigmoid核函数等,其中RBF核函数超参数数量小、数值难度低、逼近速度快且应用最为广泛。本实验选取RBF作为模型的核函数,惩罚因子C和核参数γ是RBF核函数中需要确定优化的两个重要参数[27]。本实验通过比较不同折数交叉验证、粒子群算法(particle swarm optimization,PSO)和遗传算法(genetic algorithm,GA)等算法确定最优的两参数,以提高模型的预测精度,选择的参数以及最终判别正确率如表3所示。
图表编号 | XD0041275000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.25 |
作者 | 白京、李家鹏、邹昊、田寒友、刘飞、李文采、王辉、张振琪、王守伟 |
绘制单位 | 中国肉类食品综合研究中心北京食品科学研究院肉类加工技术北京市重点实验室、中国肉类食品综合研究中心北京食品科学研究院肉类加工技术北京市重点实验室、中国肉类食品综合研究中心北京食品科学研究院肉类加工技术北京市重点实验室、中国肉类食品综合研究中心北京食品科学研究院肉类加工技术北京市重点实验室、中国肉类食品综合研究中心北京食品科学研究院肉类加工技术北京市重点实验室、中国肉类食品综合研究中心北京食品科学研究院肉类加工技术北京市重点实验室、中国肉类食品综合研究中心北京食品科学研究院肉类加工技术北京市重点实验室、中国肉 |
更多格式 | 高清、无水印(增值服务) |