陶少辉, 导师:陈德钊,胡望明,最小二乘支持向量机的改进及其在化学化工中的

  本文关键词：最小二乘支持向量机的改进及其在化学化工中的应用，由笔耕文化传播整理发布。

首页 > 专家 > 内容

文献名称：最小二乘支持向量机的改进及其在化学化工中的应用

    前言：最小二乘支持向量机(least squares support vector machine，LSSVM)是一种遵循结构风险最小化(structural risk minimization，SRM)原则的核函数学习机器，近年来化学、化工领域的应用日益广泛。本文以LSSVM在实际应用中的若干问题为主线，针对其应用中存在的高维数据降维、超参数选择和稀疏性等问题，，提出了若干新算法，并应用于化学物质结构与性质间关系、化工生产过程等实际问题建模，效果显著。全文的主要内容可以归结为以下六个部分，其中包括了研究工作所取得的主要成果。 1、系统回顾了统计学习理论和支持向量机的发展历史、研究现状与应用领域；介绍了支持向量机原理，及其应用中存在的一些问题。 2、针对支持向量机解决非线性分类问题时，必须先将样本向量由原空间映射至高维重建核Hilbert空间的特点，利用核函数技术将线性的分类相关分析算法拓展至高维的重建核Hilbert空间，此即非线性分类相关分析(nonlinear classification correlative analysis，NLCCA)算法。最后，将NLCCA与线性支持向量分类...
    Least squares support vector machine (LSSVM) is a kernel learning machine which obeys structural risk minimization (SRM) during training. LSSVM has been widely used in chemistry and chemical process modeling recently. In this paper, several new algorithms were proposed to solve the problems of dimension reduction technologies, selection of optimal hyper parameters and sparseness of LSSVM modeling. These new algorithms were applied to complex chemical pattern classification, process modeling with sample of s...

文献名称 最小二乘支持向量机的改进及其在化学化工中的应用

Article Name
英文(英语)翻译 Improved Least Squares Support Vector Machine and Its Application in Chemistry and Chemical Engineering;

作者 陶少辉; 导师:陈德钊; 胡望明;

Author

作者单位
Author Agencies 浙江大学;

文献出处
Article From 中国科学院上海冶金研究所; 材料物理与化学(专业) 博士论文 2000年度

关键词 最小二乘支持向量机; 经验建模; 结构风险最小化原则; 核函数; 优选超参数; 人工神经网络; 稀疏化; 非线性建模; 混合模型; 重建核Hilbert城空间; 奇异值分解;

Keywords least squares support vector machine;empirical modeling;structural risk minimization rule;kernel function;optimal hyper parameters;artificial neural network;sparse;modeling;hybrid model;Reproducing ke

丙烯聚合反应器与过程模型化研究
环管反应器中液固两相传递特性的研究
聚醚砜超滤膜荷电化及其表面动电现象的研究
培哚普利及其中间体的合成工艺研究
若干中心代谢途径单基因敲除对大肠杆菌代谢影响的研究
细胞色素P450 BM-3体外定向进化及突变酶性能的研究
离子液体中脂肪酶催化酯交换合成和拆分的研究
重组大肠杆菌高效生产具生物活性的人β-防御素和牛肠激酶的研究
粒子群优化算法的扩展与应用
层状结构生物相容微胶囊的制备及其药物传输性能

  本文关键词：最小二乘支持向量机的改进及其在化学化工中的应用，由笔耕文化传播整理发布。