基于投影寻踪和支持向量机的模式识别方法

由于支持向量机(SVM)在处理小样本、高维数及泛化性能强等方面的优势,提出了一种基于投影寻踪(PP)和支持向量机的模式分类方法。利用PP方法把高维数据转换到低维子空间,同时用加速遗传算法获得最佳投影方向和投影值,揭示了高维数据的结构特征,然后在低维空间中用SVM对特征向量进行分类识别,并将其应用到银行信贷风险评估中。选用2005年度80家贷款申请企业的数据样本,对该模型进行验证,通过与神经网络模型的比较,证实了该方法用于模式识别的有效性及优越性。

用投影寻踪降维方法估测冬小麦叶绿素密度

为综合更多有效信息来提高冬小麦叶绿素密度的估测精度,应用投影寻踪降维方法对条锈病胁迫下冬小麦冠层光谱进行降维,生成一维向量,然后采用支持向量机回归方法对其叶绿素密度进行估测,并与高光谱植被指数估测结果进行了比较。结果表明,以小麦冠层一阶微分光谱与叶绿素密度相关性较高的波段(400~500nm、720~770nm和840~870nm)进行投影寻踪降维得到的最优一维向量为自变量,利用支持向量机回归方法构建的冠层叶绿素密度估测模型的精度最高,决定系数为0.867,均方根误差与相对误差均最小,分别为1.135μg·cm-2和13.6%。说明利用投影寻踪降维技术对条锈病胁迫下冬小麦冠层光谱进行降维处理,可以保留有效信息,提高冬小麦叶绿素密度估测精度。

基于改进D-S理论与SVM后验概率的温室智能控制决策

温室环境中多参数间相互耦合,针对传统温室调控方法的决策因子单一而导致决策片面及精度低的问题,提出利用温室环境中多变量参数特征信息,将权值修正D-S理论与后验概率SVM结合的决策融合方法。利用后验概率SVM构造D-S理论的关键参数基本概率赋值函数(BPA),结合参数间的支持度、相关度和可靠度进行D-S权值修正,利用修正后的权值对BPA进行加权融合处理,根据融合结果对温室环境进行及时调控。实验结果表明,该方法可以准确调控温室环境,有效降低决策的不确定性,显著提高决策的可信度及收敛性。