支持向量机分类与回归联合建模方法及其在拉曼光谱分析中的应用

作者：阮华; 戴连奎

来源：仪器仪表学报, 2010, (11): 2440-2446.

DOI：10.19650/j.cnki.cjsi.2010.11.007

• 最小二乘支持向量机
• 分类
• 回归
• 拉曼光谱
• 汽油 least squares support vector machine
• classification
• regression
• Raman spectroscopy
• gasoline

多元校正分析模型的精度不仅依赖于模型的结构和参数,还很大程度上取决于训练样本的分布。实际过程中,训练样本通常呈现不均匀分布,导致基于全体样本的回归模型预测性能不理想。本文针对该问题提出了支持向量机分类与回归联合建模方法:首先使用最小二乘支持向量机(LS-SVM)分类器构建分类决策树,然后对每一类样本分别建立最小二乘支持向量机回归模型;对未知样本进行定量分析时,首先经过分类决策树分类,再根据分类信息选择相应的回归模型进行计算。针对汽油辛烷值拉曼光谱分析问题,基于全体样本建模的LS-SVM回归模型的标准预测误差为0.54,而采用本文方法所得的模型预测误差为0.22,大幅度地提高了分析精度。

• 单位
  浙江大学; 工业控制技术国家重点实验室