公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

汽油多参数拉曼光谱分析仪中的稳健支持向量机方法被引量：7: 2009年; 由于拉曼光谱可以反映汽油各有机物基团丰富的信息,拉曼光谱更加适合于汽油质量指标的快速分析,并可同时测定多种参数。为避免少量异常训练样本对校正模型的影响,本文采用了一种迭代的稳健支持向量机算法。该方法首先求取训练样本的回归残差,然后利用残差的正态分布置信区间来鉴别异常样本并选取正常样本,最后用选出的正常样本作为训练样本并建立最小二乘支持向量机模型,对测试样本进行预测。将本文的算法应用于汽油多参数拉曼光谱快速分析仪中,结果证明:该方法具有很好的稳健性,同时具有很好的预测精度。; 包鑫戴连奎; 关键词：汽油拉曼光谱

结合分类与局部PLS的近红外光谱定量分析被引量：7: 2008年; 近红外光谱分析技术是近年来发展起来的一种快速检测技术。为了提高近红外光谱定量分析的精度,文章首先用支持向量机法对测试样本进行分类,然后选用与待测样本性质相近的同类部分校正集样品建模来预测待测属性值。为了克服分类错误样本的影响,提出了一种新的混合PLS算法(称为H_PLS法)。该算法由基于分类的局部PLS法(称为C_PLS法)和基于全部训练样本集的局部PLS法(称为D_PLS法)组成,通过比较C_PLS法和D_PLS法的输出,计算测试样本的待测属性值。针对一批汽油样本的实验结果表明,在分类完全正确时C_PLS法的预测精度高于D_PLS法,然而存在分类错误时C_PLS法的预测精度将会显著下降。H_PLS法结合了C_PLS法和D_PLS法的优点,即使存在分类错误样本,使用该方法也可以将复相关系数从D_PLS法的0.973 4和C_PLS法的0.965 6提高到0.985 8。; 张晓曼戴连奎; 关键词：近红外光谱汽油

流程工业仪表故障快速检测方法被引量：2: 2008年; 通过对大量真实工业数据的统计分析,发现仪表测量信号变化量的方差能很好地表征仪表性能的稳定状态,由此提出了一种基于信号方差分析的快速仪表故障检测算法,并在此基础上开发了一套在线仪表故障检测系统。该系统以诊断数据库为核心,包括实时数据采集、仪表故障在线诊断、故障数据的保存与查询、诊断参数自学习以及远程访问功能。工业应用结果表明,这种故障检测方法能够对仪表早期的故障作出正确的判断,且检测迅速,物理意义明确,适用于大规模的流程工业过程。; 白小琴戴连奎; 关键词：方差分析

一种简便的近红外光谱标准化方法被引量：6: 2008年; 针对目前近红外光谱分析中模型传递现有方法的局限性,文章介绍了一种简便的近红外光谱标准化方法,并构造了一种新的光谱标准化误差指标(spectra standard error,SSE)作为评价传递结果的指标。SSE为J2和J1的比值,这里,J2表示同一样本在不同仪器上测得的谱线的距离,J1表示目标机的不同样本相对中心谱线的平均距离。文章首先对不同光谱仪所测得的吸光度谱图进行多项式卷积平滑处理以去除基线,接着采用标准归一法以实现谱图的标准化,并采用多项式卷积滤波以去除噪声。为使SSE达到最小,在处理过程中可进行波长范围和卷积窗口宽度的优化。经过上述处理后的标准化谱图可用于光谱建模分析。该方法不需要预先获得大量样本,也不需要将同一样本在不同光谱仪上测得的谱图进行比较。针对一批汽油样本的试验结果表明,借助于此方法可使SSE从1.418下降至0.167,谱图标准化效果令人满意。; 包鑫戴连奎; 关键词：近红外光谱预处理波长选择汽油辛烷值

加权最小二乘支持向量机改进算法及其在光谱定量分析中的应用被引量：9: 2007年; 为克服异常训练样本对校正模型的负面影响,提出了一种加权最小二乘支持向量机(WLS-SVM)的改进算法,解决了原有算法存在的迭代收敛问题,并将其运用于光谱定量分析。实验结果表明与原有算法相比,WLS-SVM改进算法显著增强了对异常样本的检测能力,并大幅度地提高了校正模型的稳健性。; 吕剑峰戴连奎; 关键词：支持向量机异常检测近红外光谱

基于局部最小二乘支持向量机的光谱定量分析被引量：24: 2008年; 提出了一种基于局部最小二乘支持向量机(LSSVM)的回归方法,以克服待测参数和光谱数据间的非线性。本方法首先通过欧式距离选取局部训练样本子集,然后利用该子集建立LSSVM校正模型。由于每个测试样本建模时要选取不同的训练样本,因此提出相对距离的概念用来改进高斯核函数,使LSSVM的参数对于不同的训练样本具有自调整功能。针对一批汽油样本的实验结果表明,本方法的预测精度优于常见的局部线性建模方法和全局建模方法。; 包鑫戴连奎; 关键词：光谱分析最小二乘支持向量机近红外光谱

基于M估计器的支持向量机算法及其应用被引量：6: 2009年; 训练样本的准确性对回归分析模型有很大的影响,然而训练样本中难免会出现一些造成分析模型失效的奇异点。为克服奇异点对回归模型的影响,本文提出了一种基于M估计器的支持向量机(M-SVM)。它采用M估计器的目标函数代替最小二乘支持向量机(LS-SVM)目标函数中的残差平方和,同时提出了M-SVM的迭代求解算法,并将该算法应用于含有奇异点的低维仿真数据回归和汽油近红外光谱定量分析中。实验结果证明,相比于其他的支持向量机,M-SVM具有更好的稳健性和分析精度。; 包鑫戴连奎; 关键词：最小二乘支持向量机光谱分析

加权最小二乘支持向量机稳健化迭代算法及其在光谱分析中的应用被引量：6: 2009年; 为克服光谱分析中异常训练样本的影响,提出了一种加权最小二乘支持向量机(WLS-SVM)的稳健化迭代算法.针对原始WLS-SVM在收敛性和稳健性方面的不足,提出了一种新的求取回归误差的方法,从而从根本上解决了WLS-SVM的收敛性问题;同时对原始算法求权值的步骤进行了修正,采用回归误差的中值作为计算加权值的比较基准,大幅度提高了WLS-SVM的稳健性.将算法应用于光谱定量分析中,实验结果证明了该方法是收敛的,并且崩溃点在35%左右,是一种有效的稳健建模方法.; 包鑫戴连奎; 关键词：光谱分析最小二乘支持向量机收敛性稳健性

全选清除导出

共1页<1>

国家高技术研究发展计划(2006AA04Z169)