基于SVM的苯酚浓度半监督软测量方法

• 作者: 杨慧中 章军
• 来源期刊: 计算机与应用化学
• 学科: 工学
• 关键词: 软测量 支持向量机 半监督学习 样本标记
• 年，卷（期）: 2013,（12）
• 页码范围: 1453-1456
• 页数: 4页
• 分类号: TP274
• 字数: 3742字
• 语种: 中文
• DOI: 10.11719/com.app.chem20131216

摘要

基于SVM的监督学习方法一般是通过采用标记样本去训练SVM回归模型，从而得到支持向量，且只有这些支持向量对模型的估计才有贡献。然而在实际应用中，通过取样分析获得的标记样本一般数量较少，且难以覆盖整个样本空间，所以训练出来的 SVM 回归模型的支持向量也不够完整，影响模型的估计精度和泛化能力。针对该问题，本文利用未标记样本中信息较为丰富的可能支持向量，采用本文提出的判定准则和标记方法后用于 SVM 回归模型的学习，仿真结果表明，随着未标记样本中支持向量的增加，SVM回归模型的估计精度和泛化能力得到改善。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨慧中	江南大学教育部轻工过程先进控制重点实验室	228	1844	20.0	33.0
2	章军	江南大学教育部轻工过程先进控制重点实验室	69	249	8.0	13.0