光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2011年
5期
1414-1418
,共5页
可见光光谱%支持向量机%参数优化%信息粒子化
可見光光譜%支持嚮量機%參數優化%信息粒子化
가견광광보%지지향량궤%삼수우화%신식입자화
使用K-fold交叉验证方法,通过两种支持向量机函数,四种核函数,grid-search算法,遗传算法,粒子群算法,建立对个体净光合速率预测拟合程度最高和最佳惩罚参数c的支持向量机模型.将可见光光谱组成成分配比关系归为一个P粒子,将叶温、散射辐射、气温等归为一个ε粒子.通过信息粒子化技术对影响个体净光合速率的因子进行降维处理,使得分析光合有效辐射、可见光光谱组成成分和个体净光合速率之间的相关关系成为了可能.试验结果表明,epsilon-SVR-RBF-Genetic Algorithm模型,nu-SVR-linear-grid-search模型和nu-SVR-RBF-Genetic Algorithm模型对光合有效辐射和P粒子组成预测集的拟合程度均达到97%以上,nu-SVR-linear-grid-search模型的惩罚参数c值最小,泛化能力最强,最终采用该模型对光合有效辐射、P粒子和ε粒子组成的预测集进行预测分析,拟合程度达到96%以上.
使用K-fold交扠驗證方法,通過兩種支持嚮量機函數,四種覈函數,grid-search算法,遺傳算法,粒子群算法,建立對箇體淨光閤速率預測擬閤程度最高和最佳懲罰參數c的支持嚮量機模型.將可見光光譜組成成分配比關繫歸為一箇P粒子,將葉溫、散射輻射、氣溫等歸為一箇ε粒子.通過信息粒子化技術對影響箇體淨光閤速率的因子進行降維處理,使得分析光閤有效輻射、可見光光譜組成成分和箇體淨光閤速率之間的相關關繫成為瞭可能.試驗結果錶明,epsilon-SVR-RBF-Genetic Algorithm模型,nu-SVR-linear-grid-search模型和nu-SVR-RBF-Genetic Algorithm模型對光閤有效輻射和P粒子組成預測集的擬閤程度均達到97%以上,nu-SVR-linear-grid-search模型的懲罰參數c值最小,汎化能力最彊,最終採用該模型對光閤有效輻射、P粒子和ε粒子組成的預測集進行預測分析,擬閤程度達到96%以上.
사용K-fold교차험증방법,통과량충지지향량궤함수,사충핵함수,grid-search산법,유전산법,입자군산법,건립대개체정광합속솔예측의합정도최고화최가징벌삼수c적지지향량궤모형.장가견광광보조성성분배비관계귀위일개P입자,장협온、산사복사、기온등귀위일개ε입자.통과신식입자화기술대영향개체정광합속솔적인자진행강유처리,사득분석광합유효복사、가견광광보조성성분화개체정광합속솔지간적상관관계성위료가능.시험결과표명,epsilon-SVR-RBF-Genetic Algorithm모형,nu-SVR-linear-grid-search모형화nu-SVR-RBF-Genetic Algorithm모형대광합유효복사화P입자조성예측집적의합정도균체도97%이상,nu-SVR-linear-grid-search모형적징벌삼수c치최소,범화능력최강,최종채용해모형대광합유효복사、P입자화ε입자조성적예측집진행예측분석,의합정도체도96%이상.
