收藏本站
《重庆大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

基于QPSO优化的功能薄膜物理性能的支持向量回归研究

朱星键  
【摘要】:回归分析是数理统计学中应用最广泛的一个分支,传统的回归学习算法都以经典统计数学的渐近理论为依据,统计规律只有在已知样本数无限多时才显露出来。针对经典统计数学这一弱点,Vapnik学派在1995年提出了“统计学习理论”和“支持向量机(Support Vector Machine, SVM)”。支持向量机在少量样本时也可用于分类和回归研究,并且具有很好的泛化能力,已被广泛应用于多个领域的实际问题研究中。粒子群优化算法(Particle Swarm Optimization, PSO)是一种基于群体智能理论的新兴演化计算技术。Sun等人从量子力学的角度,通过对粒子收敛行为的研究,基于PSO算法提出了量子粒子群算法(Quantum-behaved Particle Swarm Optimization, QPSO)。由于具有量子行为的粒子满足聚集态的性质完全不同,使粒子能在整个可行的解空间中进行搜索寻求最优解,因而QPSO算法在搜索能力上远远优于所有已开发的PSO算法。 本论文采用了多种传统和现代的数据回归理论与方法,针对功能薄膜等材料的实验数据进行回归计算研究。重点是结合QPSO优化算法和支持向量回归(Support Vector Regression, SVR)方法对全介质光学膜、质子交换膜燃料电池、Bi系超导材料和Co_3O_4纳米粒子等功能材料的性能参数及实验结果进行回归预测,并比较这些算法的性能和误差。同时还在已建立的SVR模型基础了进行了因素分析、工艺参数优化和灵敏度分析等。 本文研究的主要内容有: ①简要说明了功能薄膜材料的研究现状和实际问题。介绍了几种常用的传统和现代回归方法及其原理,包括多元线性回归、偏最小二乘回归、概率神经网络和极限学习机,分析了它们的优缺点。然后阐述了统计学习理论的基本思想,并对支持向量回归原理进行了详细的叙述。 ②介绍了PSO算法的基本原理及其改进与发展,简述了QPSO算法的基本原理。此外,还简要给出了多种常用的参数优化算法的原理,如遗传算法、差分进化算法、分散搜索算法、网格搜索算法、模拟退火算法和蚁群算法等。 ③根据全介质光学膜、质子交换膜燃料电池、Bi系超导材料和Co_3O_4纳米粒子等多组实验数据,应用QPSO-SVR等多种回归方法对它们进行建模和预测,并对比了模型的预测结果和泛化性能。 ④在已建立的QPSO-SVR模型的基础上,对质子交换膜燃料电池、Bi系超导材料和Co_3O_4纳米粒子等实验进行了因素分析,提出了优化的工艺参数。 由研究结果可以看出,基于QPSO优化的SVR模型的预测精度优于多元线性回归、神经网络等回归方法,且泛化能力也比其它方法要强。这表明SVR是一种行之有效的数据处理分析方法,有望在研究和开发新型功能薄膜材料等方面发挥其重要的作用。
【学位授予单位】:重庆大学
【学位级别】:硕士
【学位授予年份】:2011
【分类号】:TB383.2

手机知网App
【参考文献】
中国期刊全文数据库 前10条
1 茅冬生,谭满清;ECR Plasma CVD法淀积介质膜技术在半导体光电器件中的应用[J];半导体学报;1999年09期
2 李玉鉴,谭满清,茅冬生,陆建祖;ECR Plasma CVD淀积介质膜折射率的神经网络模拟[J];半导体学报;1999年12期
3 成奇明;张树京;;概率神经网络回归、判别与聚类[J];北方交通大学学报;1993年04期
4 庄大明,张弓,刘家浚;功能薄膜的研究现状与应用前景[J];中国表面工程;2001年04期
5 吴诗娟;李旭伟;;蚁群算法理论及应用研究[J];硅谷;2009年03期
6 吴振宇;杨银堂;汪家友;;ECR-CVD制备氟化非晶碳低k介质薄膜[J];功能材料与器件学报;2006年02期
7 鲁涛;辛煜;吴雪梅;;ECR-CVD方法生长a-SiN_x:H薄膜的研究[J];功能材料与器件学报;2006年04期
8 温蓉胜;吴衍智;;峰值网格搜索法[J];河北煤炭建筑工程学院学报;1993年01期
9 王剑,李平,杨春节;蚁群算法的理论与应用[J];机电工程;2003年05期
10 于忠党;王龙山;陈向伟;;基于支持向量回归的零件直线边缘亚像素图像检测[J];吉林大学学报(工学版);2006年03期
中国博士学位论文全文数据库 前1条
1 杨金芳;支持向量回归在预测控制中的应用研究[D];华北电力大学(河北);2007年
【共引文献】
中国期刊全文数据库 前10条
1 田晓艳;;计算智能主要算法研究[J];安防科技;2009年12期
2 郭天永;车玉满;孙鹏;李连成;孙波;;基于偏最小二乘回归的高炉焦比影响因素分析[J];鞍钢技术;2009年05期
3 徐政;杨秀英;宋世庚;周拴虎;聂圣哲;;Y-Ba-Cu-O高Tc氧化物的超导电性[J];安徽大学学报(自然科学版);1988年01期
4 汪东军,汪夏燕;神经元网络在精馏塔控制中的应用[J];安徽化工;2000年04期
5 杨绪兵,韩自存;ε不敏感的核Adaline算法及其在图像去噪中的应用[J];安徽工程科技学院学报(自然科学版);2003年04期
6 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期
7 来凌红;袁志业;;基于彩色图像处理的产品质量检测研究[J];安徽农业科学;2008年01期
8 禹茜;王建湘;周杰良;张雄;;泡桐生长与土壤因子偏最小二乘回归分析[J];安徽农业科学;2008年07期
9 来凌红;袁志业;;基于Hermite插值的彩色图像边缘检测种子轮廓[J];安徽农业科学;2008年21期
10 李淑华;徐良培;陶建平;;基于支持向量机的我国水产品出口贸易风险预警研究[J];安徽农业科学;2008年30期
中国重要会议论文全文数据库 前10条
1 冯辅周;郭恒毅;江鹏程;;支持向量机及其在电机故障诊断中的应用[A];第九届全国振动理论及应用学术会议论文集[C];2007年
2 ;The Support Vector Machine Technique for Concrete Adherence Strength Prediction[A];Proceedings of 6th International Symposium on Test and Measurement(Volume 5)[C];2005年
3 ;A Wavelet Kernel for Support Vector Machine Based on Frame Theory[A];Proceedings of 6th International Symposium on Test and Measurement(Volume 5)[C];2005年
4 ;Support vector machines for multi-component gases classification with wavelet features extraction[A];Proceedings of 6th International Symposium on Test and Measurement(Volume 6)[C];2005年
5 ;On-line Estimation of Texaco Coal Gasification Quality Based on Support Vector Machine[A];第七届国际测试技术研讨会论文集[C];2007年
6 王晓丹;王积勤;;基于SVM的雷达目标高分辨距离像识别研究[A];第十一届全国信号处理学术年会(CCSP-2003)论文集[C];2003年
7 应自炉;张有为;李景文;;基于GDA和SVM的人脸表情识别[A];第十三届全国信号处理学术年会(CCSP-2007)论文集[C];2007年
8 王颖;毋立芳;关媛;王涓涓;;基于LBP的SVM人脸姿势估计方法[A];第十三届全国信号处理学术年会(CCSP-2007)论文集[C];2007年
9 马君国;赵宏钟;王微;;基于一维距离像的目标识别算法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年
10 刘锡兰;杨昱;;支持相量机方法在渤海湾风暴增水强度预报中的应用[A];节能环保 和谐发展——2007中国科协年会论文集(二)[C];2007年
中国博士学位论文全文数据库 前10条
1 戴运桃;粒子群优化算法研究及其在船舶运动参数辨识中的应用[D];哈尔滨工程大学;2010年
2 孙明;基于小波和迟滞的混沌神经网络及其应用[D];哈尔滨工程大学;2010年
3 谭佳琳;粒子群优化算法研究及其在海底地形辅助导航中的应用[D];哈尔滨工程大学;2010年
4 梁洪;基于内容的医学图像检索及语义建模关键技术研究[D];哈尔滨工程大学;2010年
5 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
6 王蕊;无线传感器网络部署与拓扑控制研究[D];哈尔滨工程大学;2009年
7 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
8 李晚龙;六自由度Stewart平台分散智能控制研究[D];哈尔滨工程大学;2010年
9 杨宁;计算机辅助卷烟配方设计关键技术研究[D];中国海洋大学;2010年
10 梁桥康;特殊应用的多维力/力矩传感器研究与应用[D];中国科学技术大学;2010年
中国硕士学位论文全文数据库 前10条
1 李硕;基于Vis/NIR光谱不同粒径下土壤碳氮的预测研究[D];华中农业大学;2010年
2 柳枝华;微粒群优化算法的改进及应用[D];南昌航空大学;2010年
3 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
4 张海峰;空间三维信息重构与飞行器路径规划[D];山东科技大学;2010年
5 徐芳芳;优化问题的PVD算法研究[D];山东科技大学;2010年
6 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
7 姜成玉;基于支持向量机的时间序列预测[D];辽宁师范大学;2010年
8 李海清;支持向量机在金融市场预测中的应用[D];辽宁师范大学;2010年
9 王文栋;GEP及SVM融合的分类技术研究[D];广西师范学院;2010年
10 张凇铭;电弧离子镀过程中脉冲偏压对TiCN薄膜的影响[D];长春理工大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 张兆春,彭瑞伍,陈念贻,郭进;化合物半导体禁带宽度和熔点的人工神经网络预报[J];半导体学报;1998年01期
2 庄昌文,范明钰,李春辉,虞厥邦;基于协同工作方式的一种蚁群布线系统[J];半导体学报;1999年05期
3 田杰,陈杰,张宇河;基于Elman网络补偿模型的Smith预测控制[J];北京理工大学学报;2002年03期
4 杨龙,杜亚军;BP 算法的可视化研究与 BP 智能算法[J];成都理工学院学报;1998年S1期
5 赵海;宋纯贺;祁田宇;龚红艳;;面向高维度目标函数的微粒群优化算法[J];东北大学学报(自然科学版);2008年05期
6 纪晨,姚振兴;用于地球物理反演的均匀设计优化算法[J];地球物理学报;1996年02期
7 赵庆波,周原冰,郭蓉,曾鸣;模糊神经网络在电力系统边际电价预测中的应用[J];电网技术;2004年07期
8 张林,刘先珊,阴和俊;基于时间序列的支持向量机在负荷预测中的应用[J];电网技术;2004年19期
9 万云,万发宝,平一梅,王瑞兰,姚久胜,李宏成;高Tc超导GdBa_2Cu_3O_(7-δ)薄膜双晶晶界结及双晶结光探测器[J];低温与超导;2000年02期
10 吕振肃,侯志荣;自适应变异的粒子群优化算法[J];电子学报;2004年03期
中国博士学位论文全文数据库 前3条
1 周涌;非线性系统的神经网络内模控制研究[D];南京理工大学;2003年
2 张翔;支持向量机及其在医学图像分割中的应用[D];华中科技大学;2004年
3 张国云;支持向量机算法及其应用研究[D];湖南大学;2006年
中国硕士学位论文全文数据库 前1条
1 陈军;ECR-CVD制备的SiO_x/a-C:F/SiO_x多层膜的结构与介电性质[D];苏州大学;2004年
【相似文献】
中国期刊全文数据库 前10条
1 李伟;周建平;杨胜勇;;药物分子胎盘屏障渗透的支持向量回归模型[J];化学研究与应用;2011年07期
2 林献坤;于垂顺;李郝林;;2X/Y直线进给轴直线轮廓误差的学习补偿方法[J];光学精密工程;2011年05期
3 何同弟;李见为;黄鸿;;基于PSO优选参数的SVR水质参数遥感反演模型[J];信息与控制;2011年04期
4 吴军;邓超;邵新宇;熊尧;;基于加工动力学模型的工艺可靠性仿真方法[J];系统工程理论与实践;2011年07期
5 李雪梅;丁力行;陈嘉澍;;在线支持向量机在数控铣床刀具磨损预测建模中的应用[J];现代制造工程;2011年07期
6 高淑芝;冯少华;高宪文;安文翔;于利民;;基于SVM的PVC汽提过程预测控制方法[J];信息与控制;2011年04期
7 管力明;林剑;胡更生;;基于光谱再现的颜色印刷重构方法[J];中南大学学报(自然科学版);2011年08期
8 年海威;毛志忠;;一种新型的硫容量智能预报方法[J];东北大学学报(自然科学版);2011年09期
9 冯长君;;手性三唑类化合物的QSRR研究[J];华中科技大学学报(自然科学版);2011年07期
10 魏钦廉;王起琮;肖玲;;鄂尔多斯盆地富县地区马五段古岩溶储层地震预测[J];西安石油大学学报(自然科学版);2011年04期
中国重要会议论文全文数据库 前10条
1 彭姝迪;林静玉;周渠;李孟励;;加权支持向量回归机在传感阵列模式识别中的应用[A];重庆市电机工程学会2010年学术会议论文集[C];2010年
2 陈懿冰;张玲玲;石勇;;基于改进的支持向量回归机的金融时序预测[A];第六届(2011)中国管理学年会论文摘要集[C];2011年
3 邓小英;杨顶辉;关昕;;基于支持向量回归的随机噪声消减和零漂去除[A];中国地球物理·2009[C];2009年
4 郭志明;赵春江;陈立平;黄文倩;;基于GA-LSSVR的烟草尼古丁含量的近红外光谱分析[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
5 吴德会;;非线性动态系统的SVR辨识法[A];第二十六届中国控制会议论文集[C];2007年
6 严悦然;陆文聪;苏自伟;刘风琴;张良苗;陈念贻;;铝电解槽寿命预测的支持向量回归方法研究[A];2006年全国冶金物理化学学术会议论文集[C];2006年
7 尹焕平;孙宗海;;基于自然梯度的支持向量回归在线算法[A];2009中国控制与决策会议论文集(3)[C];2009年
8 林关成;李亚安;李国辉;;支持向量回归的连续过松弛训练算法研究[A];2010’中国西部声学学术交流会论文集[C];2010年
9 王玲;穆志纯;郭辉;;基于支持向量回归的增量建模方法[A];第25届中国控制会议论文集(上册)[C];2006年
10 杨慧中;邵信光;石晨曦;;一种改进的支持向量回归机启发式算法[A];2005中国控制与决策学术年会论文集(上)[C];2005年
中国重要报纸全文数据库 前10条
1 黄艳红;收益率曲线调整是主流[N];中国证券报;2004年
2 ;选择合适的数据挖掘算法[N];计算机世界;2007年
3 徐亚静;血瘀证与颈动脉粥样硬化相关[N];中国医药报;2007年
4 国泰君安 姜超;信用溢价回落 中级债优势凸现[N];证券时报;2009年
5 成都证券 杨帆;寻股改对价均衡点 增股市吸引力[N];证券日报;2005年
6 广发期货境外研究小组 陈贝尔 编译;资产配置和管理模式对投资组合的重要性[N];期货日报;2010年
7 本报记者 庄奕 钱静华;看58年间常州高温记录[N];常州日报;2010年
8 本报记者 谢岚;金隅股份携地产业务过关 今日启动A股IPO[N];证券日报;2011年
9 鲁证期货研究所 王伟娟 秦岩;Beta稳定性实证研究[N];期货日报;2010年
10 申银万国证券研究所金融工程部;选择伟大成长:上证180成长指数编制方法及投资价值分析[N];上海证券报;2011年
中国博士学位论文全文数据库 前10条
1 赵永平;支持向量回归机及其在智能航空发动机参数估计中的应用[D];南京航空航天大学;2009年
2 余艳芳;改进型支持向量回归机及其在过程建模与控制中的应用[D];华东理工大学;2010年
3 谭显胜;支持向量回归解释性体系的建立及应用[D];湖南农业大学;2010年
4 周金柱;电子装备结构因素对电性能影响的支持向量建模与补偿[D];西安电子科技大学;2011年
5 蒋辉;经济预测的灰色支持向量回归方法[D];中南大学;2010年
6 孙少超;数据校正和支持向量机的过失误差识别的研究[D];华东理工大学;2012年
7 向国齐;支持向量回归机代理模型设计优化及应用研究[D];电子科技大学;2010年
8 刘广利;基于支持向量机的经济预警方法研究[D];中国农业大学;2003年
9 于萍;自适应逆控制方法研究及其应用[D];华北电力大学(河北);2006年
10 田英杰;支持向量回归机及其应用研究[D];中国农业大学;2005年
中国硕士学位论文全文数据库 前10条
1 苗强;农民收入的粗糙支持向量回归与实证分析[D];安徽大学;2010年
2 阿磊;基于支持向量回归机的汇率预测[D];华东师范大学;2011年
3 王(山弄);支持向量回归在曲线拟合/重构中的应用[D];中国农业大学;2005年
4 陈金翠;最小二乘支持向量回归组合预测模型的应用[D];新疆大学;2010年
5 杨芳;基于支持向量回归(SVR)的材料热加工过程建模[D];上海交通大学;2010年
6 刘菊艳;基于数据挖掘技术的短期风速预测[D];西安科技大学;2010年
7 王刚;支持向量回归机在药品销售预测中的分析及应用[D];云南财经大学;2010年
8 陈超;基于支持向量回归的集成价格预测方法研究[D];吉林大学;2011年
9 朱星键;基于QPSO优化的功能薄膜物理性能的支持向量回归研究[D];重庆大学;2011年
10 殷子皓;基于支持向量回归建模方法的短期电力负荷预测研究[D];天津大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026