收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机的红外光谱子结构解析

刘军红  
【摘要】:几十年以来,人们一直在探索将红外谱图的解析经验化。随着商品化红外光谱仪的计算机化,出现了许多计算机辅助红外光谱识别方法,这些方法大致可以分为三类:专家系统;谱图检索系统;模式识别方法。其中最常用的模式识别方法是人工神经网络和偏最小二乘法。文献表明它们对存在的结构碎片的预测准确度不是很高,且神经网络尚存在不稳定、容易陷入局部最优和收敛速度慢等问题。 本文将支持向量机用于红外光谱子结构解析,支持向量机是一种很好的用于小样本体系的机器学习算法。随机选取了OMNIC 数据库中的823张谱图,将其分为两部分,取偶数部分的谱图作为训练集,含有411张;取奇数部分的谱图作为预测集,含有412张。对红外光谱中16个常见的子结构进行解析。在训练的过程中调整参数(C,σ),使得支持向量机能够以很高的精度对“存在”的子结构进行得预测,当“存在”预测精度很高,而“不存在”的预测精度低的时候,就要稍微降低一下“存在”的预测精度,使得“不存在”的也有较好的预测精度。所训练的支持向量机对16 个子结构“存在”的预测正确率(Pc)和“不存在”的预测正确率(A_c)的平均值分别为93.3%和99.0%,“存在”的预测可信度(Q_(pr))和“不存在”的预测可信度(Q_(ar))的平均值分别为96.0%和98.8%,平均统计特性(EQr)为93.4%。相应的使用神经网络对这些数据进行训练并预测,所训练的神经网络对16 个子结构“存在”的预测正确率(Pc)和“不存在”的预测正确率(A_c)的平均值分别为91.5%和98.5%,“存在”的预测可信度(Q_(pr))和“不存在”预测可信度(Q_(ar))的平均值分别为92.0%和98.7%,平均统计特


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 彭红星;陈祥光;王红旗;;广义支持向量机观测器的设计与仿真[J];石油化工高等学校学报;2008年04期
2 陈伟;李茜;汤伟;;基于结构风险最小化原则的径向基函数网络[J];化工自动化及仪表;2009年03期
3 杨位民;田芳;龚声蓉;;基于支持向量机的压裂井层优选[J];计算机工程;2006年07期
4 宋木清;罗春龙;;武钢X70钢多目标质量管理建模应用研究[J];管理学报;2010年04期
5 吴德会,杨世元,苏海涛;基于支持向量机的传感器动态补偿新方法[J];化工自动化及仪表;2005年05期
6 范宇;张冬妍;孙丽萍;;浅谈基于机器学习的木材干燥建模方法[J];木材加工机械;2007年05期
7 朱剑兵;谭明友;;基于支持向量机的地震储层参数预测方法初探[J];油气地球物理;2008年01期
8 宋木清;罗春龙;;支持向量机改进及其在钢材质量管理建模中的应用研究[J];钢铁研究;2009年06期
9 张雪彪,纪卓尚,刘玉君;水火弯板局部变形预测建模方法比较[J];哈尔滨工程大学学报;2005年03期
10 陈志刚;连香姣;于会媛;鲍忠利;;多元支持向量机在压缩机故障诊断中的应用[J];石油机械;2009年11期
11 李玲娟;翟双灿;郭立玮;潘永兰;;用支持向量机预测中药水提液膜分离过程[J];计算机与应用化学;2010年02期
12 孙伟东;王强;袁昌明;;小型冲压设备智能安全保护装置的研究[J];中国计量学院学报;2006年04期
13 张明;卢裕杰;毕忠伟;陈良;杨强;李仲奎;;利用神经网络的反馈分析方法及其在地下厂房中的应用[J];岩石力学与工程学报;2010年11期
14 杨应军;高海燕;赵镭;欧阳一非;张健;尹京苑;;模式识别方法在食品智能化感官分析中的应用[J];食品科学;2007年10期
15 王金甲;尹涛;李静;洪文学;马崇霄;;基于物理化学性质的葡萄酒质量的可视化评价研究[J];燕山大学学报;2010年02期
16 李卓,刘斌,刘铁男,朱秀华,魏坤;支持向量机及其在油田生产中的应用[J];大庆石油学院学报;2005年03期
17 吴继芳;张其林;赵永标;李杰;;PSO优化的SVM回归在SF_6废气定量分析中的应用[J];洛阳理工学院学报(自然科学版);2011年02期
18 白鹏;谢文俊;刘君华;;支持向量机在混合气体种类光谱识别中的应用[J];光电工程;2006年08期
19 张金牡;;基于支持向量机的水利工程项目风险评价[J];西部探矿工程;2008年06期
20 李军;黄海宽;曹琦;;基于支持向量机的中药工艺参数优化研究[J];计算机工程与应用;2007年36期
中国重要会议论文全文数据库 前10条
1 高尚;梅亮;;基于支持向量机的组合预测[A];2007中国控制与决策学术年会论文集[C];2007年
2 周像金;耿国华;周明全;朱翔;;基于BP神经网络和支持向量机的文物分类研究[A];计算机技术与应用进展——全国第17届计算机科学与技术应用(CACIS)学术会议论文集(上册)[C];2006年
3 门洪;武玉杰;李小英;高艳春;;基于支持向量机的分类算法研究[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
4 陆文聪;钮冰;金雨欢;;基于AdaBoost算法的亚细胞位置预测[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年
5 乔园园;杨玲;吴夏;张明涛;;舌色的模式识别研究[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
6 钮冰;陆文聪;金雨欢;;利用Bagging算法预测生物膜蛋白类型[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年
7 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
8 苏高利;秦钟;于强;;基于最小二乘支持向量机的农田二氧化碳通量建模[A];推进气象科技创新加快气象事业发展——中国气象学会2004年年会论文集(上册)[C];2004年
9 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
10 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
中国博士学位论文全文数据库 前10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
2 左琳;神经网络及在网络用户行为分析中的应用研究[D];电子科技大学;2011年
3 佟伟民;股指期货交易中操纵行为识别方法研究[D];哈尔滨工业大学;2008年
4 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
5 杨实俊;可持续发展约束下小型火电厂危机管理研究[D];华北电力大学(河北);2008年
6 刘曼兰;永磁直流电机故障在线监测与智能诊断的研究[D];哈尔滨工业大学;2007年
7 邢永忠;最小二乘支持向量机的若干问题与应用研究[D];南京理工大学;2009年
8 王开义;基于支持向量机的农产品生产关键控制点发现研究[D];北京工业大学;2011年
9 程丽丽;支持向量机集成学习算法研究[D];哈尔滨工程大学;2009年
10 崔江;基于支持向量机的模拟电子电路故障分类技术研究[D];南京航空航天大学;2010年
中国硕士学位论文全文数据库 前10条
1 刘军红;基于支持向量机的红外光谱子结构解析[D];四川大学;2005年
2 王琪;基于神经网络和支持向量机的高速公路交通事件检测[D];西南交通大学;2006年
3 岳琳;城市用水量预测非线性方法的研究[D];天津大学;2005年
4 顾民;神经网络、模糊系统、支持向量机内在联系研究[D];电子科技大学;2004年
5 赵石磊;灰色系统理论在电力负荷预测中的应用[D];哈尔滨理工大学;2005年
6 赵海洋;往复压缩机气缸内压力信号检测与分析技术[D];大庆石油学院;2006年
7 曾建武;粗糙集理论及故障诊断应用研究[D];浙江大学;2006年
8 李丰龙;基于神经网络的金融证券预测方法研究[D];青岛大学;2006年
9 万以华;半导体神经计算机硬件实现研究及在全方位实物识别中的应用[D];浙江工业大学;2006年
10 涂磊;基于图像处理技术的物流数字化管理系统的实现[D];黑龙江大学;2009年
中国重要报纸全文数据库 前10条
1 陈锐;红外光谱——诊断肿瘤又一利器[N];大众卫生报;2004年
2 陈锐 郭晓斌;红外光谱快速准确诊断肿瘤[N];家庭医生报;2004年
3 陈锐;红外光谱三分钟诊肿瘤[N];健康报;2004年
4 陈锐 郭晓斌;只用3~5分钟红外光谱实现快速准确诊断肿瘤[N];医药经济报;2004年
5 于翔;数字神经网络中的协同应用[N];网络世界;2009年
6 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
7 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
8 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
9 本报首席记者 任荃 实习生 史博臻;轨交“神经网络”触动创新神经[N];文汇报;2011年
10 计算机世界实验室 韩勖;当布线系统遭遇神经网络[N];计算机世界;2009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
  • 010-62982499
  • 010-62783978