基于支持向量机算法的海水藻类生长状态软测量
为了有效监测海水藻类生长状态,采用支持向量机算法对水体中关键表征因子进行软测量.首先采用网格寻优法对支持向量机(SVM)的惩罚因子C和参数σ进行参数寻优,然后利用所得最佳匹配参数通过样本训练,获得海水叶绿素-a浓度的软测量模型.将基于SVM的软测量结果与基于BP神经网络的软测量结果作对比,可以看出,基于SVM的软测量方法具有较好的预测精度和稳定性,可应用于海水藻类生长状态的软测量.
支持向量机算法、藻类生长状态、参数寻优、软测量、神经网络
40
TP391(计算技术、计算机技术)
国家自然科学基金资助项目61273068;上海市自然科学基金资助项目12ZR1412600;上海市教委科研创新项目13YZ084
2014-10-17（万方平台首次上网日期，不代表论文的发表时间）
共6页
980-985
