基于支持向量分类的水质分析应用研究

被引：12

作者：

郑一华

徐立中

黄凤辰

机构：

[1] 河海大学计算机及信息工程学院

来源：

仪器仪表学报 | 2006年 / S3期

关键词：

支持向量机; 支持向量分类; 水质分析;

D O I：

10.19650/j.cnki.cjsi.2006.s3.209

中图分类号：

TP183 [人工神经网络与计算]; TU991.21 [水质];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 0815 ;

摘要：

支持向量机(SVM)是由V．Vapnik在统计学习理论(SLT)的基础上发展起来的一种新兴的用以解决小样本的机器学习方法。SVM能更好的代替传统分类器,特别是在高维数据空间具有较好的泛化能力。本文采用支持向量分类(SVC)方法研究了这一理论在工程领域的应用—济南地下水水质的分析。实验获得了较好的分类结果。SVC在小样本下的地下水水质分析中展示了良好的模式识别性能。

引用

页码：2291 / 2292

页数：2