Indexed by：
Abstract：
为了建立精确的微生物发酵过程数学模型,在标准回归型支持向量机(SVM)的基础上提出了动态ε-SVM方法,即不同样本使用不同的ε。进而,提出了将自组织特征映射聚类(SOFM)和动态ε-SVM回归相结合的建模方法。该方法首先利用SOFM神经网络对样本进行聚类,达到划分发酵阶段和建立局部模型的目的,然后应用动态ε-SVM方法对各类样本进行回归建模。实验结果表明,使用该方法建立的青霉素发酵过程模型具有较高的拟合和泛化能力。经过比较,该方法建立的模型比其它SVM方法建立的模型具有较强的泛化能力。
Keyword：
Reprint Author's Address：
Email：
Source ：
系统仿真学报
Year： 2007
Issue： 11
Page： 2574-2577,2598
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 27
Affiliated Colleges：
