粒子群算法结合支持向量机回归法用于近红外光谱建模

• 作者: 孔浩辉 张俊 柏文良 甘峰 程志颖
• 来源期刊: 分析测试学报
• 学科: 农学
• 关键词: 最小二乘法支持向量机 粒子群优化算法 烟草 小麦 近红外光谱
• 年，卷（期）: 2010,（12）
• 页码范围: 1215-1219
• 分类号: O657.33|S512.1
• 字数: 3194字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-4957.2010.12.018

摘要

研究了最小二乘法支持向量机(LSSVM)应用于烟丝样品和小麦样品的近红外光谱建模,采用粒子群优化算法(PSO)优化LSSVM的参数.通过对烟草样品和小麦样品的近红外光谱建模和预测,并与常规的偏最小二乘法(PLS)比较发现,PSO-LSSVM法具有更好的预测效果和稳健性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张俊	中山大学化学与化学工程学院	27	195	8.0	12.0
2	甘峰	中山大学化学与化学工程学院	27	66	4.0	6.0
3	柏文良	中山大学化学与化学工程学院	8	29	3.0	5.0
4	程志颖	中国烟草广东工业有限公司技术中心	4	25	3.0	4.0
5	孔浩辉	中国烟草广东工业有限公司技术中心	4	25	3.0	4.0