支持向量機改進方法在光譜定量分析中的應用.pdf

1、光譜定量分析技術(shù)是近年來迅速發(fā)展的一項間接測量技術(shù)，廣泛地應用于科研生產(chǎn)的各個領(lǐng)域。支持向量機(SVM)作為一種新型的非線性建模方法，適合于處理小樣本和高維數(shù)的建模問題。本文從不同角度對支持向量機基本算法進行了改進，并將改進后的算法應用于光譜定量分析的數(shù)據(jù)建模和異常檢測，具體內(nèi)容如下： 1.介紹了光譜定量分析的基本原理，并對核函數(shù)方法在非線性建模中的應用，以及異常檢測與穩(wěn)健建模的主要方法進行了闡述。 2.將偏最小二乘(P

2、LS)與SVM方法進行結(jié)合，提出了偏最小二乘支持向量機(PLS-SVM)方法。實驗表明，PLS-SVM既保持了SVM較高的模型預測精度，又大大加快了建模的速度。通過與PLS、最小二乘支持向量機(LS-SVM)以及核偏最小二乘(KPLS)三種建模方法進行對比發(fā)現(xiàn)，PLS-SVM在光譜定量分析數(shù)據(jù)建模中的綜合應用效果要優(yōu)于其它三種方法。 3.對加權(quán)最小二乘支持向量機(WLS-SVM)算法進行了改進，使改進后的算法可以實現(xiàn)迭代運算，提