CAJ | 학술논문

在支持向量机(SVM)回归分析过程中,参数(C,γ)取值范围较大,且需要人工进行调整,目前已知的参数选择方法复杂且不够精确.针对上述问题,提出了一种应用于木材近红外光谱分析的PSO-SVM回归模型;使用粒子群算法(PSO)确定SVM的最优参数(C,γ),用40个桉木近红外光谱样品作训练集,8个样品作测试集建立模型,得到预测模型的回归系数0.970 956,均方根误差0.002 154 5,并与传统支持向量机回归模型和偏最小二乘回归模型进行分析比较.结果表明,PSO-SVM回归模型在桉木近红外光谱的木质素含量预测中具有较高的准确性和很好的稳定性.
재지지향량궤(SVM)회귀분석과정중,삼수(C,γ)취치범위교대,차수요인공진행조정,목전이지적삼수선택방법복잡차불구정학.침대상술문제,제출료일충응용우목재근홍외광보분석적PSO-SVM회귀모형;사용입자군산법(PSO)학정SVM적최우삼수(C,γ),용40개안목근홍외광보양품작훈련집,8개양품작측시집건립모형,득도예측모형적회귀계수0.970 956,균방근오차0.002 154 5,병여전통지지향량궤회귀모형화편최소이승회귀모형진행분석비교.결과표명,PSO-SVM회귀모형재안목근홍외광보적목질소함량예측중구유교고적준학성화흔호적은정성.