基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对BP神经网络和遗传算法对果酒生物活性物质预测存在速度慢和精度低的缺点,建立了基于支持向量回归机(SVR)的果酒生物活性物质预测模型.鉴于支持向量机模型的精度和泛化能力很大程度取决于不敏感损失系数ε、惩罚系数C和RBF核函数的宽度系数γ三个参数,模型采用粒子群算法对三个参数同时进行优化,实现了果酒生物活性物质的非线性预测.仿真结果表明:基于PSO-SVR算法的果酒生物活性物质预测模型性能优于所比较的BP神经网络模型和支持向量回归机模型,能有效提高果酒生物活性物质的预测精度和稳定性.
推荐文章
应用灰关联分析的PSO-SVR工程造价预测模型
工程造价
PSO-SVR预测模型
粒子群优化算法
灰关联分析
旅游客流量预测:基于季节调整的PSO-SVR模型研究
旅游客流量预测
粒子群算法
支持向量回归机
季节调整
均方差比较
基于PSO-SVR航站楼CO2浓度时间序列预测
支持向量回归
粒子群优化算法
航站楼
CO2浓度数据
时间序列预测
基于 InSAR 监测和 PSO-SVR 模型的高填方区沉降预测
高填方区域
粒子群算法
支持向量机回归
形变预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 PSO-SVR在果酒生物活性物质预测中的应用
来源期刊 四川理工学院学报(自然科学版) 学科 工学
关键词 支持向量机 生物活性物质 预测模型
年,卷(期) 2013,(6) 所属期刊栏目 机械、电子及计算机科学
研究方向 页码范围 51-55
页数 5页 分类号 TP301
字数 4066字 语种 中文
DOI 10.3969/j.issn.1673-1549.2013.06.011
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 成新文 四川理工学院计算机学院 30 57 4.0 6.0
2 陈国超 四川理工学院计算机学院 11 29 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (96)
共引文献  (132)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(5)
  • 参考文献(0)
  • 二级参考文献(5)
2000(5)
  • 参考文献(0)
  • 二级参考文献(5)
2001(6)
  • 参考文献(0)
  • 二级参考文献(6)
2002(8)
  • 参考文献(0)
  • 二级参考文献(8)
2003(8)
  • 参考文献(0)
  • 二级参考文献(8)
2004(6)
  • 参考文献(1)
  • 二级参考文献(5)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(7)
  • 参考文献(1)
  • 二级参考文献(6)
2007(9)
  • 参考文献(0)
  • 二级参考文献(9)
2008(7)
  • 参考文献(1)
  • 二级参考文献(6)
2009(11)
  • 参考文献(1)
  • 二级参考文献(10)
2010(5)
  • 参考文献(1)
  • 二级参考文献(4)
2011(4)
  • 参考文献(2)
  • 二级参考文献(2)
2012(3)
  • 参考文献(3)
  • 二级参考文献(0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
支持向量机
生物活性物质
预测模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
四川理工学院学报(自然科学版)
双月刊
1673-1549
51-1687/N
四川省自贡市汇兴路学苑街180号
chi
出版文献量(篇)
2774
总下载数(次)
3
总被引数(次)
12372
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导