排序方式: 共有6条查询结果,搜索用时 93 毫秒
1
1.
由于湖泊富营养化程度影响因素多,评价因素与富营养化等级之间关系复杂而且具有非线性特征。支持向量机是由Vapnik等人提出的建立在统计学习理论基础上的一种新的机器学习方法,由于其使用结构风险最小化原则代替经验风险最小化原则,解决了一些神经网络遗留的问题,又由于其应用了核函数思想,它可以较好地解决非线性问题,利用支持向量机多类分类算法,构建巢湖富营养化程度评价模型,取得较好的结果。 相似文献
2.
SVM与ANN在湖泊富营养化评价中的对比研究 总被引:3,自引:1,他引:2
支持向量机是由Vapnik等提出的建立在统计学习理论基础上的一种新的机器学习方法,由于其使用结构风险最小化原则代替经验风险最小化原则,又由于其应用了核函数思想,它可以较好地解决非线性问题;人工神经网络(ANN)已经较成功解决模式识别和任意非线性函数回归问题,但是存在训练样本不足,并可能出现过拟合现象。SVM的结构风险最小化算法引起了科学界的关注,对传统基于经验风险最小化的神经网络算法提出了挑战,文章介绍了SVM和ANN的基本原理,并对二者在巢湖富营养化水平评价上做对比研究,结果表明,ANN比较容易陷入局部最优,支持向量机评价结果更加符合实际。 相似文献
3.
4.
5.
6.
因子分析与聚类法的复合模型在水环境评价和管理中的应用 总被引:3,自引:0,他引:3
以2001-2003年巢湖监测数据为依据,采用因子分析、聚类分析方法的复合模型进行计算,结果表明:2001-2003年间,影响巢湖水质的污染因子发生了改变,同时定量诊断出水污染因子对巢湖水质的贡献率,合理划分出各类水环境管理区域,并提出相应的水环境管理措施.在巢湖水环境管理分区中,可以大体分为2大类,在各类中可以再细分为几小类,西半巢湖属于重污染,为水环境控制区域,东半巢湖污染相对较轻,为水环境控制和自净区域.结果分析表明,复合模型具有一定的可靠性和准确性,具有一定的参考实用价值. 相似文献
1