一种混合核函数SVM建模方法及其应用

２０ｌ０年７月第１７卷第４期

控制工程

ＣｏｎｔｒｏｌＥｎｇｉｎｅｅｒｉｎｇｏｆＣｈｉｎａ

Ｊｕｌ．２０１Ｏ

Ｖ０１．１７．Ｎｏ．４

文章编号：１６７ｌ－７８４８（２０１０）０４∞５２４旬３

一种混合核函数ＳＶＭ建模方法及其应用

阳春华，王觉，朱红求，桂卫华

（中南大学信息科学与工程学院，湖南长沙４１００８３）

摘要：为了提高模型的泛化能力和精度，提出了一种基于混合核函数的支持向量机

（ＳＶＭ）建模方法。所提出的混合核函数由径向基函数和多项式函数加权组合而成，克服了支

持向量机模型中单个核函数的局限性。并利用量子粒子群算法（ＱＰＳ０）对惩罚系数、核参数以

及混合权重系数进行综合寻优，求取最优化参数组合，从而提高模型的精度。采用锌湿法冶炼

净化过程现场数据对建模的方法进行了测试，结果表明，所提出的混合核函数支持向量机模

型具有较好的泛化性能和预测精度，预测结果满足现场工艺生产的要求。

关键词：混合核函数；支持向量机；ＱＰｓ０算法；净化过程

中图分类号：ＴＰ”３文献标识码：Ａ

ＭｏｄｅｌｌｉｎｇＭｅｔｈｏｄｏｆＳＶＭＢａｓｅｄｏｎＨｙｂｒｉｄ

ＫｅｍｅｌｓａｎｄＩｔｓＡｐｐｌｉｃａｔｉｏｎ

ｙＡ＾临现“，ｌ一＾∽，彤４＾Ｂ几ｅ，朋Ｕ舶增．ｑｉｕ，Ｇ明耽ｉ一＾∞

（Ｓｃｈ∞ｌｏｆＩｎｆｏ咖ａｔｉｏｎｓｅｉｅｎｃｅ粕ｄＥｎｇｉｎ傥ｒｉｎｇ，ＣｅｎｔｒａｌＳｏｕｔｌＩＵｎｉｖｅ碍ｉｔｙ，Ｃｈ锄ｇｓｈａ４１００８３，Ｃｈｉ眦）

Ａｋ血鼍ｃｔ：ＡｍｏｄｅｌｌｉＩｌｇｍｅｔｈｏｄｂ鹊ｅｄｏｎｓｕｐｐｏｎｖｅｃｔｏｒｍａｃｈｉｎｅｓ（ＳＶＭ）ａ１９０ｒｉｔｈｍｗｉｔｈｈｙｂｒｉｄｋｅｍｅｌｆｕｎｃｔｉ∞ｉｓｐｍｐｏ船ｄｔｏｉｍｐｒｏｖｅｔｌＩｅｇｅｎｅ阳Ｉｉｚ砒ｉｏｎａｂｉｌｉｔｙ粕ｄｔｈｅｐｒｅｃｉｓｉｏｎｏｆｍｏｄｅｌ８．Ｔｈｅｈｙｂ蒯ｋｅｍｅｌｆｕｎｃｔｉｏｎｃｏｍｂｉｎｅｄｔｈｅＲＢＦｋｅｍｅｌｗｉｔｈｔｈｅｐｏｌｙｎｏｍｉａｌｋｅｎｌｅｌｆｕｎｃｔｉｏｎｂｙｗｅｉｇ｜Ｉｔｃｏｅｍｃｉｅｎｔｔｏｏｖｅｒｃｏｍｅｔｈｅｌｉｍｉｔａｔｉｏｎ０ｆｓｉｎｄｅｋｅｍｅｌｉｎＳＶＭｍｏｄｅｌ＿Ｉｎｏｒｄｅｒｔ０ｏｂｔａｉｎｔｈｅｏｐｌｉｍａｌｐａｒａＩＩｌｅｔｅｒｓ粕ｄｉｍｐｒｏＶｅｔｈｅｍｏｄｅｌｐｒｅｃｉｓｉｏｎ，ｔｌｌｅｐ啪ｍｅｔｅ玛“ｈｙｂｒｉｄｋｅｍｅｌ８ｏｆＳＶＭａｒｅｓｅｌｅｃｔｅｄｂｙｑｕａｎｔｕｍｐａｒｔｉｃｌｅｓｗａ册ｏｐｔｉｍｉｚａｔｉｏｎ（ＱＰＳ０）．Ｔｈｅｐｍｄｕｃｔｉｏｎｄａｔａｆ而ｍａｐｕｒｉｆｉｃａｔｉｏｎｐｒｏｃｅｓｓｏｆｚｉｎｃｈｙｄｍｍｅｔａｌｌｕｒｇｙｉｓｕｓｅｄｔｏｔｅｓｔｔｌｌｅｐｍｐｏｓｅｄｍｏｄｅｌ．Ｔｈｅｔｅｓｔｉｎｇｒｅｓｕｌｔｓｓｈｏｗ山ａｔｔｌＩｅｍｏｄｅｌｈ鹅ｂｅｔｔｅｒｇｅｎｅｒａｌｉ髓ｔｉｏｎｐｅ怕瑚蚰ｃｅ锄ｄｈｉｇＩＩｅｒｐｒｅｃｉｓｉｏｎ．

Ｋｅｙｗｏｍｓ：ｈｙｂｒｉｄｋｅｍｅｌ；ＳＶＭ；ＱＰＳＯａｌｇｏｒｉｔｈｍ；ｐｕｒｉｆｉｃａｔｉｏｎｐｍｃｅｓｓ

ｌ引言

支持向量机（ＳＶＭ）…作为一种基于结构风险最小化学习训练方法，较好地解决了小样本、高维数、非线性、局部极小值等实际问题，具有很强的泛化能力，在故障检测与诊断、过程预测、文本分类、生物信息学、模式识别和冶金过程等领域获得了广泛的应用¨引。

支持向量机求解模式识别问题的关键在于选择一个合适的核函数。为了提高支持向量机模型的精度，人们提出了混合核函数方法，一般由一个高斯核和一个多项式核线性组合而成。模型中的参数选择对混合核函数是否为最优起着关键作用。本文采用ＱＰｓＯ算法对ＳＶＭ模型的参数进行寻优。利用８ｉｎＣ函数对所提出支持向量机建模方法进行了验证分析，并将该建模方法应用于湿法炼锌净化过程离

子浓度预测，结果表明，所提出的预测模型具有很好的泛化性能，模型预测精度满足过程现场的工业技术要求，可以用来指导现场的过程操作优化。

２混合核函数

核函数的选取在很大程度上影响着ＳＶＭ模型的拟合能力和预测精度。核函数的引入极大地提高了学习机器的非线性处理能力，同时也保持了学习机器在高维空间中的内在线性，从而使得学习很容易得到控制。核函数将原空间的数据隐含地表示在高维的特征空间中，并在其中训练了一个线性的分类器，训练过程并不需要知道具体的非线性映射。通过调节不同的核参数，可以隐式的改变特征空间的ＶＣ维数，从而决定线性分类面能达到的最小经验误差。

ＳｍｉｔｓＧＦ和Ｊｏｒｄ舱ｎＥＭ提出了一种结合了全

收稿日期：２０１０ＪＤ３．２５：收修定稿日期：２０ｌＯ旬５Ｊ０６

基金项目：国家８６３计划资助项目（２００９ＡＡ０４２１２４）；国家自然科学基金资助项目（６０８０４０３７，６０８７４０６９）；湖南省自然科学基金资助项目（０９ＪＪ３１２２）

作者简介：阳春华（１９６５?），女，湖南娄底人，教授，博士生导师，主要从事复杂工业过程的建模与优化等方面的教学与科研工作；桂

卫华（１９５０一），男，教授，博士生导师。

万方数据

一种混合核函数SVM建模方法及其应用

作者：阳春华，王觉，朱红求，桂卫华， YANG Chun-hua， WANG Jue， ZHU Hong-qiu， GUI Wei-hua

作者单位：中南大学,信息科学与工程学院,湖南,长沙,410083

刊名：

控制工程

英文刊名：CONTROL ENGINEERING OF CHINA

年，卷(期)：2010,17(4)

参考文献(10条)

1.Vapnik V N The Nature of Statistical Learning Theory 1998

2.Yuan S F;Chu F L Fault diagnostics based on particle swarm optimization and support vector machines[外文期刊] 2007(04)

3.Hong W C Chaotic particle swarm optimization algorithm in a support vector regression electric load forecasting model[外文期刊] 2009(01)

4.Wang T Y;Chiang H M One-against-one fuzzy support vector machine classifier:An approach to text categorization 2009(06)

5.Konstantinos P E;Costas P;Themis P E Prediction of cis/trans isomerization using feature selection and support vector machines[外文期刊] 2009(01)

6.Wu Y C;Lee Y S;Yang J C Robust and efficient multiclass SVM models for phrase pattern recognition [外文期刊] 2008(09)

7.Smit G F;Jordan E M Improved SVM regression using mixtures of kernels[外文会议] 2002

8.Sun J;Feng B;Xu W B Particle swarm optimization with particles having quantum behavior[外文会议] 2004

9.Boyan S B;Victoria V K;Nikolai K K Purification of zinc sulfate solutions from cobalt and nickel through activated cementation[外文期刊] 2004(01)

10.Suykens J A K;Gestel T V;Brabanter J D Least squares support vector machines 2003

本文读者也读过(5条)

1.杨海燕.周永权.YANG Hai-yan.ZHOU Yong-quan一种支持向量机的混合核函数[期刊论文]-计算机应用

2009,29(z2)

2.朱树先.张仁杰.郑刚.ZHU Shu-xian.ZHANG Ren-jie.ZHENG Gang混合核函数对支持向量机分类性能的改进[期刊论文]-上海理工大学学报2009,31(2)

3.颜根廷.马广富.肖余之.YAN Gen-ting.MA Guang-fu.XIAO Yu-zhi一种混合核函数支持向量机算法[期刊论文]-哈尔滨工业大学学报2007,39(11)

4.张芬.陶亮.孙艳.ZHANG Fen.TAO Liang.SUN Yan基于混合核函数的SVM及其应用[期刊论文]-计算机技术与发展2006,16(2)

5.阳春华.王觉.朱红求.桂卫华一种混合核函数SVM建模方法及其应用[会议论文]-2010

本文链接：https://www.360docs.net/doc/f5113179.html,/Periodical_jczdh201004027.aspx