Indexed by：
Abstract：
由于微生物发酵过程的复杂性和高度非线性,更多的简单的数学模型不能很好地描述这类生化系统.支持向量机(SVM)是近几年发展起来的机器学习的新方法,它较好地解决了小样本、非线性、高维数和局部极小点等实际问题.SVM方法建立了青霉素效价预估模型,此模型具有良好的拟合和泛化能力.通过实验分析了SVM参数调整对支持向量机建模的影响.通过由现场数据建立的各种模型可以发现,SVM建模方法优于神经网络(ANN)建模方法.
Keyword：
Reprint Author's Address：
Email：
Source ：
系统仿真学报
ISSN： 1004-731X
Year： 2006
Issue： 7
Volume： 18
Page： 2052-2055
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 27
Chinese Cited Count：
30 Days PV： 32
Affiliated Colleges：
