基于支持向量机的多组分气体分析

被引：6

作者：

林继鹏

刘君华

不详

机构：

[1] 西安交通大学电气工程学院

[2] 西安

来源：

西安交通大学学报 | 2005年 / 06期

关键词：

支持向量机; 统计学习; 红外分析仪器; 气体分析;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

针对因缺少大量分析数据样本而制约多组分气体定量分析的问题,提出一种基于正则理论和最优二次规划的最小二乘支持向量机的定量分析方法.该方法能在获得模型参数全局最优点的同时保证训练误差为0,因而能较好地消除多组分气体分析间的交叉敏感现象,利用其良好的非线性映射能力,对多组分气体的试验数据进行处理的结果表明,该方法可使系统的交叉灵敏度约为处理前的1/81.

引用

页码：586 / 589

页数：4

共 6 条

[1] 并行支持向量机算法及其应用 [J].

林继鹏 ;

刘君华 ;

凌振宝 .

吉林大学学报(信息科学版), 2004, (05) :453-457

[2] 一种新型红外多组份气体传感器 [J].

张永怀 ;

白鹏 ;

林继鹏 ;

刘君华 .

光电工程, 2004, (01) :49-51

[3]

再生核空间数值分析[M]. 科学出版社 , 崔明根,吴勃英著, 2004

[4]

人工神经网络与模拟进化计算[M]. 清华大学出版社 , 阎平凡,张长水编著, 2000

[5]

智能传感器系统[M]. 西安电子科技大学出版社 , 刘君华编著, 1999

[6] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297

← 1 →