PSO—SVR在果酒生物活性物质预测中的应用

• 作 者: 陈国超 成新文
• 机 构: 四川理工学院计算机学院
• 出 处: 四川理工学院学报：自然科学版
• 发表日期: 2013年6期
• 关键词: 支持向量机 生物活性物质 预测模型 Support Vector Machine bioactive substances prediction model
• 基金项目: 酿酒生物技术及应用四川省重点实验室开放基金项目（NJ2011-09）

针对BP神经网络和遗传算法对果酒生物活性物质预测存在速度慢和精度低的缺点，建立了基于支持向量回归机（SVR）的果酒生物活性物质预测模型。鉴于支持向量机模型的精度和泛化能力很大程度取决于不敏感损失系数ε、惩罚系数C和RBF核函数的宽度系数7三个参数，模型采用粒子群算法对三个参数同时进行优化，实现了果酒生物活性物质的非线性预测。仿真结果表明：基于PSO—SVR算法的果酒生物活性物质预测模型性能优于所比较的BP神经网络模型和支持向量回归机模型，能有效提高果酒生物活性物质的预测精度和稳定性。