資源描述：
《基于支持向量機(jī)的發(fā)酵過程建模方法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、摘要支持向量機(jī)(SupportVectorMachine，SVM)理論方法是目前國內(nèi)外學(xué)術(shù)界的研究熱點(diǎn)之一，它能夠研究在小樣本條件下的統(tǒng)計(jì)規(guī)律，并且具有泛化能力強(qiáng)、所求解為全局最優(yōu)等優(yōu)點(diǎn)，非常適合非線性過程建模。目前，其理論研究和實(shí)際應(yīng)用都處于飛速發(fā)展的階段。由于發(fā)酵過程具有高度的非線性、時變性和不確定性的特點(diǎn)，其內(nèi)在機(jī)理非常復(fù)雜。因此，對發(fā)酵過程進(jìn)行建模研究具有實(shí)際的研究意義和應(yīng)用價值，本文采用支持向量機(jī)方法針對典型的生物發(fā)酵過程一青霉素發(fā)酵過程進(jìn)行建模研究。本文針對標(biāo)準(zhǔn)支持向量機(jī)、最小二乘支持向量機(jī)、模糊最小二乘支持向量機(jī)建模方法的不足進(jìn)行了改進(jìn)，提
2、出了一種模糊最小二乘支持向量機(jī)的稀疏化算法。利用模糊隸屬度來表示不同樣本的重要程度，設(shè)定閾值，判定小于閾值的隸屬度所對應(yīng)的樣本為無用或不具備重要信息的樣本并予以否剔除，同時采用記憶遞推式算法提高運(yùn)算速度。這種方法僅保留了包含重要信息的樣本參與建模，在預(yù)測訓(xùn)練中，不需要所有樣本加入運(yùn)算，具有稀疏性效果。仿真結(jié)果表明，稀疏模糊最小二乘支持向量機(jī)方法具有良好的建模效果，與其他支持向量機(jī)建模方法相比，在保證建模精度的前提下，運(yùn)算速度大大提高了，并且還具備了稀疏性。關(guān)鍵詞：建模；青霉素；支持向量機(jī)；最小二乘；模糊隸屬度：稀疏AbstractSupportvecto
3、rmachine(SVM)theoryisoneofthemostpopularresearchtopicsstudiedbydomesticandoverseasscholarsnowadays．TheSVMisasmallsamplestatisticsandhastheadvantagesofgoodgeneralizationandglobaloptimizationandverysuitableforthemodelingofnonlinearprocess．NowSVMisdevelopingpromisinglyeitherintheory
4、orapplications．Fermentionprocesshasthecharacteristicofstrongnonlinear,timevaryinganduncertainty,anditsinherentmechanismisverycomplex．DuetotheadvantagesofSVM，usingSVMtomodelingforfermentionprocesshasimportantactualvalue．11learticleusingSVMtomodelforatypicalfermentionprocess：penici
5、llinfermentprocess．AimingatthedisadvantageofSVM、leastsquaresupportvectormachine、fuzzyleastsquaresupportvectormachine，providingasparsesolutionbasedonfuzzyleastsquarevectormachine．Usingthefuzzymembershiptodescribetheimportanceofthesamplesnandsetavaluetocancelthesampleswhichhavethef
6、uzzymembershipislowerthanthevalue．Thenusingarecursivealgorithmtosimplifythemodelandimprovetheoperationspeed．Thissolutiononlypreservesthesampleswhichinvolveimportantinformation，andintheprediction,notallsamplesareattendmgthecalculation．Itmeansthesolutiongetsthesparseness．Thesimulat
7、ionresultsshowsthatthissolutionhasnicemodelingeffectandpreservingthemodelingaccuracy,comparingwithothersupportvectormachinemethods，itsspeedisgreatlyimprovedandgetsthesparseness．Keywords：modeling；penicillin；supportvectormachines；leastsquare；fuzzyset；sparse；獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指
8、導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外
