一种混合核函数SVM建模方法及其应用

阳春华，王觉，朱红求，桂卫华
中南大学 信息科学与工程学院, 湖南 长沙

摘      要： 为了提高模型的泛化能力和精度，提出了一种基于混合核函数的支持向量机(SVM)建模方法。所提出的混合核函数由径向基函数和多项式函数加权组合而成，克服了支持向量机模型中单个核函数的局限性。并利用量子粒子群算法(QPSQ)对惩罚系数、核参数以及混合权重系数进行综合寻优，求取较优化参数组合，从而提高模型的精度。采用锌湿法冶炼净化过程现场数据对建模的方法进行了测试，结果表明，所提出的混合核函数支持向量机模型具有较好的泛化性能和预测精度，预测结果满足现场工艺生产的要求。

关  键  词：混合核函数，支持向量机，QPSO算法，净化过程

1　引  言
支持向量机(SVM)[1]作为一种基于结构风险较小化学习训练方法，较好地解决了小样本、高维数、非线性、局部极小值等实际问题，具有很强的泛化能力，在故障检测与诊断、过程预测、文本分类、生物信息学、模式识别和冶金过程等领域获得了广泛的应用[3-7]。支持向量机求解模式识别问题的关键在于选择一个合适的核函数。为了提高支持向量机模型的精度，人们提出了混合核函数方法，一般由一个高斯核和一个多项式核线性组合而成。模型中的参数选择对混合核函数是否为较优起着关键作用。本文采用QPSO算法对SVM模型的参数进行寻优。利用 函数对所提出支持向量机建模方法进行了验证分析，并将该建模方法应用于湿法炼锌净化过程离子浓度预测，结果表明，所提出的预测模型具有很好的泛化性能，模型预测精度满足过程现场的工业技术要求，可以用来指导现场的过程操作优化。

登录网站后可下载文件

相关阅读:

没有相关新闻...