粒子群支持向量机结合NIR测定桉木木质素

• 作者: 于仕兴 李学春 王学顺 黄安民
• 来源期刊: 东北林业大学学报
• 关键词: 支持向量机 近红外光谱 粒子群优化算法 木质素 回归
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 研究简报
• 页码范围: 123-126
• 页数: 4页
• 分类号: O29
• 语种: 中文

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄安民	中国林业科学研究院木材工业研究所	40	700	15.0	25.0
2	王学顺		17	150	7.0	11.0
3	于仕兴		1	7	1.0	1.0
4	李学春		1	7	1.0	1.0