基于LS-SVM的特征提取及在凝点软测量中的应用

被引：5

作者：

吴德会

机构：

[1] 九江学院电子工程系

来源：

系统仿真学报 | 2008年 / 04期

关键词：

特征提取; 主元分析; 最小二乘支持向量机; 软测量;

D O I：

10.16182/j.cnki.joss.2008.04.059

中图分类号：

TP274 [数据处理、数据处理系统];

学科分类号：

0804 ; 080401 ; 080402 ; 081002 ; 0835 ;

摘要：

提出了一种基于最小二乘支持向量机(LS-SVM)回归算法的特征提取新方法,并将其成功应用于柴油凝点近红外(NIR)光谱软测量建模。在该方法中,将特征提取公式表达成与LS-SVM回归算法相同的形式,这样就能通过LS-SVM求取最优的特征投影向量。用一个含120个样本的401维柴油近红外光谱数据集进行测试,通过该方法提取后,原始光谱数据集的特征被降到了6维并保留了原有99.58%的信息。同时,用该数据建立的软测量模型具有更快的学习速度和更高的测量精度。实验结果验证了所提的特征提取新方法应用于近红外光谱特征提取的可行性和有效性。

引用

页码：917 / 920+925 +925

页数：5

共 7 条

[1]

现代近红外光谱分析技术.[M].陆婉珍等编著;.中国石化出版社.2000,

[2]

Real-time classification of petroleum products using near-infrared spectra.[J].Minjin Kim;Young-Hak Lee;Chonghun Han.Computers and Chemical Engineering.2000, 2

[3] Least squares support vector machine classifiers [J].