论文部分内容阅读
基于结构风险最小化原则的加权最小二乘支持向量机,具有运算速度快、支持向量稀疏性的优点。本文针对建模样本数据存在粗差以及算法参数优化等问题进行研究,提出3类改进算法,并应用于化学化工领域建模。
首先,针对建模样本数据难以避免存在粗差、以及粗差数据对模型性能的影响,提出了一种自适应加权最小二乘支持向量机建模方法。仿真实验与在粗对苯二甲酸中4-CBA含量软测量建模的实际应用表明,该方法能有效克服粗差数据的影响,建立的模型具有较高的预测精度。
其次,在上述研究的基础上,提出基于粗差判别的加权最小二乘支持向量机建模方法。利用鲁棒3ó原则,对建模样本数据中的粗大误差进行检测判别,剔除粗大误差;然后通过自适应权值对含有非明显粗差的样本数据进行加权处理,消除其对模型性能的影响。通过仿真实验与在HIV-1蛋白酶抑制剂的药物定量构效关系建模的实际应用表明
该建模方法能有效克服各种粗差数据的影响,建立的模型具有很好的预测性能。
最后,针对最小二乘支持向量机参数最优化问题,同时,为了消除不可避免的粗差对模型性能的影响,提出了基于参数优化的加权最小二乘支持向量机建模方法。利用文化差分进化算法对参数进行优化,得到最佳参数,提高所建模型的精度。仿真研究与在4-CBA含量软测量建模的实际应用表明,基于参数优化的加权最小二乘支持向量机方法具有很好的应用前景。