共查询到10条相似文献,搜索用时 62 毫秒
1.
2.
为探究降水数据产品的高精度空间插值方法及其应用差异,以BP神经网络和支持向量机模型为研究对象,选取甘肃省为研究区域,构建降水量空间插值模型,分别完成基于两种模型的甘肃省降水量空间插值结果,并划分西区、中区、东区3个建模分区,对比分析两种模型空间插值的精度和应用差异。结果表明:支持向量机模型的插值精度显著高于BP神经网络模型,且支持向量机模型在降水空间分布中能体现更多细节;西区平均相对误差最大,其中,BP神经网络模型32.32%,支持向量机模型仅23.74%;东区平均相对误差最小,BP神经网络为8.28%,支持向量机模型为6.15%;另外,分区建模的插值精度有所提高,但两种模型的提高幅度存在差异,BP神经网络的平均相对误差降低了5.08%,支持向量机模型仅降低0.66%,表明支持向量机模型更加稳定,对影响降水量的经纬度和高程等因子自身变异性的适应能力更强。此研究解决了常用的反距离权重、样条函数、克里金插值等方法在降水量插值过程中准确性差,精度低的问题,为提高降水量空间插值的精度提供了新方法和思路。 相似文献
3.
试验提出了一种最小二乘支持向量机的猪血发酵制备小肽的水解度预测新模型。以接种量、发酵温度、发酵时间三个工艺参数为输入,水解度为输出,通过正交试验获得数据样本。以试验数据为基础,建立最小二乘支持向量机模型,利用模型预测猪血发酵制备小肽的水解度。该方法具有建模速度快、预测精度高、操作简便等优点,不仅克服了常规的BP预测模型的不足,而且性能优于标准支持向量机预测模型。 相似文献
4.
5.
6.
7.
8.
近红外光谱(NIR)技术已经在许多行业的定量和定性分析中广泛应用,而支持向量机(SVM)算法由于具有经验风险最小、防止过拟合、适于非线性分析等特点,开始逐步应用于近红外光谱分析领域。本文主要介绍了支持向量机,特别是最小二乘支持向量机(LS-SVM)算法的特点,综述其在近红外光谱技术鉴别饲料原料、饲料产品、主要畜产品(肉、蛋、奶)种类和品质等非线性指标中的应用,同时分析了基于支持向量机算法的近红外光谱技术在未来饲料在线分析、低检测限成分的定性和定量分析,以及光谱信息数据提取算法改进等方面的研究趋势。 相似文献
9.
《黑龙江畜牧兽医》2015,(19)
为了研究分类与猪只行为及精神状况相关的姿态,试验提出了一种基于几何参数特征与决策树支持向量机的猪只姿态分类方法,首先根据猪只行为学特征并借鉴前人的研究成果选择5种相关的姿态,包括躺卧、侧面抬头站立、侧面低头站立、侧面平视站立以及正面站立,并以此建立猪只姿态样本库,再针对所研究姿态的图像形状特点,提出利用圆形度、高宽比、伸长度、质高比、质左比、质心左右比、最高点左右比、左(右)夹角余弦与左(右)抬头度11个几何参数特征作为描述姿态的图像特征,最后利用决策树支持向量机(DT-SVM)进行猪只姿态分类。结果表明:与1-V-1多分类支持向量机(1-V-1 SVM)与Ada Boost分类算法相比较,DT-SVM的分类精度较高,耗时较短。说明所选取的特征可以有效地描述猪只姿态。 相似文献