%0 Journal Article
%T 基于支持向量机算法的海水藻类生长状态软测量
%J 北京工业大学学报
%D 2014
%X 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.
%K 支持向量机算法
%K 藻类生长状态
%K 参数寻优
%K 软测量
%K 神经网络
%U http://www.bjgd.cbpt.cnki.net/WKA/WebPublication/paperDigest.aspx?paperID=457d9799-fc58-484d-b9d9-d0d68eb86988