基于支持向量機的紅外譜圖識別.pdf

1、本文的主要內容是在經典SVM算法的基礎上，設計開發(fā)一個可供學術研究及實際使用的支持向量機工具軟件Easysvm。在軟件的基礎上，應用SVM算法就一些實際問題進行學術研究，解決一些實際的應用問題。 在解決兩類樣本模式分類的基礎上，引入一對多支持向量機訓練方法。使得多分類問題的解決變的簡單方便。Easysvm軟件多分類算法應用于紅外譜圖官能團識別建模，該模型對化合物所含官能團的預報正確率達到96％以上，部分官能團的正確預報率達到10

2、0％。本模型可通過某未知化合物紅外譜圖數(shù)據(jù)來預測此化合物的分子組成。試驗結果表明支持向量機算法用于物質鑒別、物質純度檢測等領域是可行的?！　≡诮浀銼VM算法的基礎上引入加權向量機算法，解決兩類樣本數(shù)目嚴重失衡情況下的分類問題。Easysvm軟件引入加權算法用于G蛋白偶聯(lián)受體數(shù)據(jù)建模時對正類樣本的預報正確率達到80％以上，負類樣本的預報正確率達到95.45％。實驗顯示加權算法能有效提高模型對少量數(shù)目樣本的預報能力?！　asysvm軟

3、件用于癌癥數(shù)據(jù)模式分類。通過與KNN、神經網(wǎng)絡算法的預報結果做比較，本軟件對癌癥數(shù)據(jù)的預報正確率為100％，明顯強于KNN、神經網(wǎng)絡算法；并且訓練次數(shù)與預報能力沒有太大的聯(lián)系。本次比較為SVM算法在預報能力、和限制過擬合問題等方面均強于傳統(tǒng)模式識別方法找到又一例子，同時顯示出癌癥疾病自動診斷的可行性?！　嶒灲Y果表明，Easysvm軟件在實際應用過程中具有使用方便、性能穩(wěn)定的特點。在解決模式分類的問題中，樣本數(shù)目在兩千以內，本軟件所用