论文部分内容阅读
在支持向量机(SVM)回归分析过程中,参数(C,y)取值范围较大,且需要人工进行调整,目前已知的参数选择方法复杂且不够精确。针对上述问题。提出了一种应用于木材近红外光谱分析的PSO—SVM回归模型:使用粒子群算法(PSO)确定SVM的最优参数(c,γ),用40个桉木近红外光谱样品作训练集,8个样品作测试集建立模型.得到预测模型的回归系数0.970956,均方根误差0.0021545,并与传统支持向量机回归模型和偏最小二乘回归模型进行分析比较。结果表明,PSO—SVM回归模型在桉木近红外光谱的木质素含量预测