欢迎来到天天文库
浏览记录
ID:33663240
大小:1.97 MB
页数:45页
时间:2019-02-28
《基于支持向量机的发酵过程建模方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、摘要支持向量机(SupportVectorMachine,SVM)理论方法是目前国内外学术界的研究热点之一,它能够研究在小样本条件下的统计规律,并且具有泛化能力强、所求解为全局最优等优点,非常适合非线性过程建模。目前,其理论研究和实际应用都处于飞速发展的阶段。由于发酵过程具有高度的非线性、时变性和不确定性的特点,其内在机理非常复杂。因此,对发酵过程进行建模研究具有实际的研究意义和应用价值,本文采用支持向量机方法针对典型的生物发酵过程一青霉素发酵过程进行建模研究。本文针对标准支持向量机、最小二乘支持向量机、模糊最小二乘支持向量机建模方法的不足进行了改进,提
2、出了一种模糊最小二乘支持向量机的稀疏化算法。利用模糊隶属度来表示不同样本的重要程度,设定阈值,判定小于阈值的隶属度所对应的样本为无用或不具备重要信息的样本并予以否剔除,同时采用记忆递推式算法提高运算速度。这种方法仅保留了包含重要信息的样本参与建模,在预测训练中,不需要所有样本加入运算,具有稀疏性效果。仿真结果表明,稀疏模糊最小二乘支持向量机方法具有良好的建模效果,与其他支持向量机建模方法相比,在保证建模精度的前提下,运算速度大大提高了,并且还具备了稀疏性。关键词:建模;青霉素;支持向量机;最小二乘;模糊隶属度:稀疏AbstractSupportvecto
3、rmachine(SVM)theoryisoneofthemostpopularresearchtopicsstudiedbydomesticandoverseasscholarsnowadays.TheSVMisasmallsamplestatisticsandhastheadvantagesofgoodgeneralizationandglobaloptimizationandverysuitableforthemodelingofnonlinearprocess.NowSVMisdevelopingpromisinglyeitherintheory
4、orapplications.Fermentionprocesshasthecharacteristicofstrongnonlinear,timevaryinganduncertainty,anditsinherentmechanismisverycomplex.DuetotheadvantagesofSVM,usingSVMtomodelingforfermentionprocesshasimportantactualvalue.11learticleusingSVMtomodelforatypicalfermentionprocess:penici
5、llinfermentprocess.AimingatthedisadvantageofSVM、leastsquaresupportvectormachine、fuzzyleastsquaresupportvectormachine,providingasparsesolutionbasedonfuzzyleastsquarevectormachine.Usingthefuzzymembershiptodescribetheimportanceofthesamplesnandsetavaluetocancelthesampleswhichhavethef
6、uzzymembershipislowerthanthevalue.Thenusingarecursivealgorithmtosimplifythemodelandimprovetheoperationspeed.Thissolutiononlypreservesthesampleswhichinvolveimportantinformation,andintheprediction,notallsamplesareattendmgthecalculation.Itmeansthesolutiongetsthesparseness.Thesimulat
7、ionresultsshowsthatthissolutionhasnicemodelingeffectandpreservingthemodelingaccuracy,comparingwithothersupportvectormachinemethods,itsspeedisgreatlyimprovedandgetsthesparseness.Keywords:modeling;penicillin;supportvectormachines;leastsquare;fuzzyset;sparse;独创性声明本人声明所呈交的学位论文是本人在导师指
8、导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外
此文档下载收益归作者所有