申请/专利权人：长春理工大学

申请日：2024-02-05

公开（公告）日：2024-05-17

公开（公告）号：CN118053517A

主分类号：G16C20/70

分类号：G16C20/70;G16C20/20;G06F18/27;G06F18/2411;G06F18/2451;G06N3/006;G06N5/01;G06N20/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.04#实质审查的生效;2024.05.17#公开

摘要：本发明属于粮食水分检测技术领域，尤其为一种基于优化支持向量回归的粮食水分模型建立方法，具体包括以下步骤：S1：数据处理模块；S2：建立支持向量回归模型SVR。使用Scikit‑learn中的SVR函数创建一个支持向量机的回归模型，选取并选择径向基函数kernel＝'rbf'作为核函数；支持向量机的应用性能关键在于核函数方法的选取，核函数主要分为线性核、多项式核、Sigmoid核与Gauss径向基核RBF。本发明的基于支持向量回归的训练模型，用于快速建立粮食水分仪的校正参数，能够及时、准确地评估现场粮食的水分含量，以便对加工过程进行控制，且可以对历史测量数据进行趋势预测，帮助决策者做出合理的粮食采购、贮存和销售决策。

主权项：1.一种基于优化支持向量回归的粮食水分模型建立方法，其特征在于，具体包括以下步骤：S1：数据处理模块；S2：建立支持向量回归模型SVR。使用Scikit-learn中的SVR函数创建一个支持向量机的回归模型，选取并选择径向基函数kernel＝'rbf'作为核函数；支持向量机的应用性能关键在于核函数方法的选取，核函数主要分为线性核、多项式核、Sigmoid核与Gauss径向基核RBF；核函数计算公式如下： 该公式表示在特征空间直接计算内积，表示x映射到內积特征空间的过程；Gauss径向基核RBFKxi,x＝exp-γ||xi-x||2；S3：在设置参数方面，通过GridSearchCV函数设置参数范围，包括惩罚参数C和径向基函数的宽度gamma，使用交叉验证进行网格搜索：使用GridSearchCV函数对模型进行交叉验证，并找到最优参数组合，进行模型训练；S4：再初始化麻雀搜索算法的参数，使用SSA算法计算种群适应度和更新最优个体，在进行觅食和反捕食进行个体位置更新，最后当满足终止规则就获取最优参数，并且得到仿真图，不满足条件就继续进行觅食和反捕食进行个体位置更新，直到满足条件；S5：最后计算出相关系数、决定系数以及均方根误差。

全文数据：

权利要求：

百度查询： 长春理工大学 一种基于优化支持向量回归的粮食水分模型建立方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD