期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

最优支持向量机用于谷胱甘肽发酵过程建模

下载PDF
导出
摘要 在构建谷胱甘肽的发酵模型时,模型的预测精度和泛化能力会因为试验数据中含有噪音而变的低下。针对该问题,本文提出利用最小二乘支持向量机来构建发酵模型,在寻优支持向量机参数时利用量子粒子群优化算法来搜索,并形成最优支持向量机。通过与BP神经网络模型进行对比的实验结果表明:该方法具有预测精度高、泛化能力强和鲁棒性好等特点,具有一定的应用价值。
作者 章哲庆 陆克中
机构地区 池州学院数学与计算机学院
出处 《福建电脑》 2016年第6期5-6,9,共3页 Journal of Fujian Computer
基金 安徽自然科学研究重点项目KJ2016A514 池州学院院级自然一般项目2013ZR016
关键词 谷胱甘肽 建模 最小二乘支持向量机 量子粒子群优化算法
分类号 TP274 [自动化与计算机技术—检测技术与自动化装置]
  • 相关文献

参考文献9

  • 1林建平,游建锋,盛晓霞,张琴,岑沛霖.利用啤酒废酵母间歇发酵合成谷胱甘肽的研究[J].高校化学工程学报,2003,17(6):689-694. 被引量：10
  • 2Becker T, Enders T, Delgado A.Dynamic neural networks as a tool for the online optimization of industrial fermentation [J].Bioprocess Biosyst. Eng., 2002, 24:347- 54. 被引量：1
  • 3潘丰,李海波,吕光帅.发酵过程的建模与优化方法研究[J].计算机与应用化学,2006,23(11):1112-1116. 被引量：13
  • 4Sifts L,Daniel W,Ramirez W F. Dynamic hybrid neural network model of an industrial fed-batch fermentation process to produce foreign protein [J]. Computers and Chemical Engineering, 2007, 1 (31 ) : 163-170. 被引量：1
  • 5Craninx M,Fievez V, Vlaeminck B, Baets B D. Artificial neural network models of the rumen fermentation pattern in dairy cattle [J].Computers and Electronics in Agriculture, 2008, 60 (3) :226- 238. 被引量：1
  • 6Vapnik VN. The Nature of Statistical Learning Theory [M]. NewYork:Springer, 1995. 被引量：1
  • 7Cruz Meleiro L A,Zuben F J,Filho R M. Constructive learning neural network applied to identification and control of a fuel-ethanol fermentation process[J]. Engineering Applications of Artificial Intelligence, 2009, 3 (22) : 201-215. 被引量：1
  • 8王鲜芳,潘丰.基于IGA-SVM的发酵过程建模及优化控制[J].计算机工程与应用,2008,44(28):187-189. 被引量：3
  • 9Suykens JAK, VandewaUe J. Least squares support vector machine classiers[J]. Neural Processing Letters, 1999,9(3): 293-300. 被引量：1

二级参考文献21

  • 1刘毅,王海清.采用最小二乘支持向量机的青霉素发酵过程建模研究[J].生物工程学报,2006,22(1):144-149. 被引量：27
  • 2高学金,王普,孙崇正,易建强,张亚庭,张会清.基于支持向量机的青霉素发酵过程建模[J].系统仿真学报,2006,18(7):2052-2055. 被引量：16
  • 3刘胜,李妍妍.自适应GA-SVM参数选择算法研究[J].哈尔滨工程大学学报,2007,28(4):398-402. 被引量：46
  • 4Vapnik V,Golowich S,Smola A.Support vector machine for function approximation, regression estimation, and signal processing[M]// Mozer M,Petsche T.Neural Information Processing Systems.[S.l.]: MIT Press, 1997,9: 1-200. 被引量：1
  • 5Balicki J.Multi-criterion evolutionary algorithm with model of the immune system to handle constraints for task assignments[J].IEEE Transactions on System,Man and Cybernetics,2004,30(5):394-399. 被引量：1
  • 6Jiao L,Wang L.A novel genetic algorithm based on immunity[J]. IEEE Transactions on System,Man and Cybernetics:Part A,2000, 30(5) :552-561. 被引量：1
  • 7Suykens J A K,Branbanter J K,Lukas L,et al.Weighted least squares support vector machines:robustness and spare approximation[J].Neurocomputing, 2002,48 ( 1 ) : 85 - 105. 被引量：1
  • 8Pastore A. Federici G, Bertini E, et al, Analysis of glutathione: implication in redox and detoxification [J], Clinica Chimica Acta, 2003.333(1): 19-39. 被引量：1
  • 9Borok Z, Buhl R, Grimes G J, et al, Effect of glutathione aerosol on oxidant-antioxidant imbalance in idiopathic pulmonary fibrosis [J]. Lancet, 1991, 338: 215-216,. 被引量：1
  • 10Shimizu H, Araki K, Shioya S, et al, Optimal production of glutathione by controlling the specific growth rate of yeast in fed-batch culture [J]. Biotech Bioeng, 1991, 38: 196-205. 被引量：1

共引文献23

福建电脑
2016年 第6期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部