典型文献
基于优化支持向量机的玉米淀粉含量估计
文献摘要：
为了优化回归模型参数和提高模型的预测性能,建立了一个基于粒子群算法优化支持向量机的回归预测模型,实现了对玉米淀粉含量的有效估计.研究基于公开的玉米光谱数据集,首先分别采用源光谱、标准正态变量变换(Standard Normal Variate transform,SNV)、SNV+SG(Savitzky-Golay)卷积平滑算法、MSC(Mutiplicative Scatter Correction,MSC)多元散射校正、MSC+SNV、一阶求导(First order derivation,FD)、MSC+SNV+FD方法对光谱数据进行预处理,去除数据噪音等冗余信息;其次使用主成分分析(Principal Component Analysis,PCA)算法进行高维光谱数据的特征提取,获得数据的有效特征;最后结合粒子群优化算法(Particle Swarm Optimization,PSO)参数寻优支持向量回归(Support Vector Regression,SVR)建模中的重要参数,实现对玉米淀粉含量的预测建模.实验对比不同预处理方法、PSO优化过程中不同粒子数时的模型预测效果.实验结果表明:MSC+SNV预处理时,PSO算法中粒子数参数为60时,训练集的RMSE为0.1 754,R2为0.9 583,预测集的RMSE为0.2 036,R2为0.8 863,预测相对分析误差RPD为3.0 631,模型具有很好的预测效果.
文献关键词：
近红外光谱;SVM;PSO;玉米淀粉
中图分类号：
作者姓名：
冯惠妍
作者机构：
黑龙江八一农垦大学,黑龙江 大庆163319
文献出处：
引用格式：
[1]冯惠妍-.基于优化支持向量机的玉米淀粉含量估计)[J].科学技术创新,2022(27):21-26
A类：
SNV+SG,Mutiplicative,MSC+SNV,MSC+SNV+FD
B类：
优化支持向量机,玉米淀粉,淀粉含量,预测性能,粒子群算法,算法优化,回归预测模型,有效估计,光谱数据,标准正态变量变换,Standard,Normal,Variate,transform,Savitzky,Golay,平滑算法,Scatter,Correction,多元散射校正,求导,First,order,derivation,除数,噪音,冗余信息,Principal,Component,Analysis,高维光谱,得数,有效特征,粒子群优化算法,Particle,Swarm,Optimization,PSO,参数寻优,支持向量回归,Support,Vector,Regression,SVR,重要参数,预测建模,实验对比,预处理方法,训练集,RMSE,RPD,近红外光谱
AB值：
0.424551
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
