基于支持向量机的中药工艺参数优化研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (36): 205-207.

基于支持向量机的中药工艺参数优化研究

李军¹,黄海宽¹,曹琦²

1.南开大学信息技术科学学院，天津 300171
2.重庆大学计算机学院，重庆 400044

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-21 发布日期:2007-12-21
通讯作者: 李军

Research on optimization of Chinese medicine product parameters based on support vector machine

LI Jun¹,HUANG Hai-kuan¹,CAO Qi²

1.College of Information Technolgy and Science，Nankai University，Tianjin 300171，China
2.College of Computer，Chongqing University，Chongqing 400044，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-21 Published:2007-12-21
Contact: LI Jun

摘要/Abstract

摘要： 提出了基于SVM的滴丸生产工艺参数优化方法，较好地预测了滴丸含水量，给出了各工艺参数取值范围，在实际生产中取得了良好效果。理论分析和仿真研究表明，该方法学习速度快、跟踪性能好、泛化能力强、对样本的依赖程度低，比基于BP神经网络的建模具有更好的推广能力。

关键词: 支持向量机, 工艺参数, 建模与优化

Abstract: This paper introduces a kind of optimizing method of Pipule Manufacturing Process parameters based on the Libsvm，by which the changes of Pipule’s containing water are preferably forecasted and the proper process parameters are founded.Theoretical and simulation analysis indicates that this method features high learning speed，good approximation，well generalization ability，and little dependence on the sample set.It has the better performance than the model based on the BP neural network.

Key words: support vector machine（SVM）, process parameters, modeling and optimization

李军¹,黄海宽¹,曹琦². 基于支持向量机的中药工艺参数优化研究[J]. 计算机工程与应用, 2007, 43(36): 205-207.

LI Jun¹,HUANG Hai-kuan¹,CAO Qi². Research on optimization of Chinese medicine product parameters based on support vector machine[J]. Computer Engineering and Applications, 2007, 43(36): 205-207.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[3]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[4]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[5]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[6]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[7]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[8]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[9]	高晋，赵云芃，Godfred Kim Mensah，李欣芸，刘志芬，陈俊杰，郭浩. 静息态功能脑连接的空间动态分析及分类研究[J]. 计算机工程与应用, 2021, 57(2): 150-155.
[10]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[11]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.
[12]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[13]	陈菲雨，岳文斌，饶颖露，邢金昊，马晓静. 基于改进TLD算法的无人机自主精准降落[J]. 计算机工程与应用, 2020, 56(7): 247-254.
[14]	马玲，罗晓曙，蒋品群. 基于模板匹配和支持向量机的点阵字符识别研究[J]. 计算机工程与应用, 2020, 56(4): 134-139.
[15]	张忠林，冯宜邦，赵中恺. 一种基于SVM的非均衡数据集过采样方法[J]. 计算机工程与应用, 2020, 56(23): 220-228.