基于支持向量机的青霉素发酵过程建模

被引：16

作者：

高学金 ^{[1
]}

王普 ^{[1
]}

孙崇正 ^{[1
]}

易建强 ^{[2
]}

张亚庭 ^{[1
]}

张会清 ^{[1
]}

机构：

[1] 北京工业大学电子信息与控制工程学院

[2] 中国科学院复杂系统与智能科学重点实验室

来源：

系统仿真学报 | 2006年 / 07期

关键词：

支持向量机; 青霉素发酵; 建模; 人工神经网络;

D O I：

10.16182/j.cnki.joss.2006.07.079

中图分类号：

TQ465.1 [青霉素及其衍生物];

学科分类号：

100705 ;

摘要：

由于微生物发酵过程的复杂性和高度非线性,更多的简单的数学模型不能很好地描述这类生化系统。支持向量机(SVM)是近几年发展起来的机器学习的新方法,它较好地解决了小样本、非线性、高维数和局部极小点等实际问题。SVM方法建立了青霉素效价预估模型,此模型具有良好的拟合和泛化能力。通过实验分析了SVM参数调整对支持向量机建模的影响。通过由现场数据建立的各种模型可以发现,SVM建模方法优于神经网络(ANN)建模方法。

引用

页码：2052 / 2055

页数：4

共 4 条

[1] 关于统计学习理论与支持向量机 [J].