湖南省教育厅优秀青年基金(05B025)
- 作品数：5 被引量：36H指数：4
- 相关作者：袁哲明谭显胜陈渊李俊谭泗桥更多>>
- 相关机构：湖南农业大学湖南省作物种质创新与资源利用重点实验室湖南生物机电职业技术学院更多>>
- 发文基金：湖南省教育厅优秀青年基金湖南省自然科学杰出青年基金湖南省高校科技创新团队支持计划更多>>
- 相关领域：生物学农业科学更多>>
- 基于支持向量回归的生物测定数据分析被引量：4
- 2010年
- 生物测定是生物学、医学、毒理学的重要内容与基础。常用的定量生物测定数据分析方法时间-剂量-死亡率模型(TDM)不能对复杂生测数据建立统一模型,信息利用不充分。本文基于支持向量回归(SVR),提出了一种能对不同供试因子、不同供试对象和不同环境条件下复杂生测数据统一建模的新方法。14个简单生测数据和2套复杂生测数据的对比分析结果表明,SVR模型拟合与留一法预测精度均优于TDM模型,估计的LD50和LT50等指标更为可信。SVR模型有望作为TDM模型的有益补充,在定量生物测定数据分析中得到广泛应用。
- 王志明谭显胜周玮袁哲明
- 关键词：时间-剂量-死亡率模型支持向量回归生物测定
- 改进支持向量机在棉铃虫人工饲料配方优化中的应用被引量：11
- 2010年
- 发展新的实验设计与分析方法,通过实施尽可能少的实验而获得满意配方对动植物营养、发酵工程等复杂多因素多水平寻优问题极为重要。本研究结合均匀设计(uniform design,UD)与支持向量回归(support vector regression,SVR),提出了一种新的配方优化实验设计与分析方法UD-SVR,将其应用于棉铃虫Helicoverpa armigera(Hbner)幼虫人工饲料配方优化。结果表明:在考虑6因素时仅通过2轮22个实验,表征配方优劣的指标———平均蛹重即由初始的0.2436g高效提升至0.3044g,明显优于二次多项式偏最小二乘回归等经验风险最小参比模型。UD-SVR预测精度高、指导性强、可解释性好、优化高效,有望在多因素多水平配方优化中得到广泛应用。
- 李俊谭显胜谭泗桥袁哲明熊兴耀
- 关键词：棉铃虫人工饲料均匀设计支持向量回归
- 基于支持向量机非线性筛选水稻苗期抗旱性指标被引量：11
- 2010年
- 作物抗旱性指标筛选具小样本、多指标和非线性等特点,传统的基于经验风险最小原则经线性筛选获得的综合指标及在此基础上建立的线性回归模型的合理性受到质疑;基于结构风险最小原则的支持向量机具适于小样本、非线性、泛化推广能力优异等诸多优点,但可解释性差。本文以15个水稻品种苗期反复干旱存活率为因变量,从24个形态生理指标中经支持向量回归(SVR)非线性筛选得苗高、脯氨酸、丙二醛、叶龄、心叶下倒一叶面积、抗坏血酸等6个综合指标,以此建立的SVR模型拟合精度与留一法预测精度均明显优于参比线性模型;如考虑指标测量的简易性,仅以地上部干重、心叶下倒二叶面积、根冠比、叶龄、叶鲜重、心叶下倒一叶面积等6个形态指标进行评估同样可行。为增强SVR的解释能力,基于F测验对SVR模型建立了非线性回归显著性与单因子重要性显著性的测验方法。
- 袁哲明谭显胜
- 关键词：水稻苗期抗旱性指标支持向量机
- 改进支持向量分类用于蝶类自动鉴别被引量：3
- 2011年
- 昆虫自动识别是重要的新兴研究领域,其中特征筛选与恰当地将多分类转化为二分类是两个关键步骤。本文基于支持向量分类,提出了一种新的多类昆虫自动鉴别方法:先以初始样本互作转换将多分类转化为二分类,再以可交换核函数消除互作样本中初始样本排列顺序不同的影响,继以非线性筛选去除无关特征与冗余特征并给出各保留特征相对重要性排序,最后以简单投票决策校正独立预测结果。新方法应用于2科7种蝶类自动鉴别,以前翅9个翅脉交叉点距离为初始特征,种、科阶元26、24个随机初始测试样本均获得了100%的准确鉴别。新方法在昆虫自动识别等多分类领域有广泛应用前景。
- 陈渊丰锋袁哲明
- 关键词：支持向量分类蝴蝶自动识别
- 一种新的氨基酸描述子及其在抗菌肽QSAR中的应用
- 基于氨基酸的531个理化性质(AA531)和地统计学半变异函数,提出了一种新的氨基酸描述子—氨基酸理化性质的地统计学关联特征描述子(GS-AA531)。并以其表征101个CAMEL-s抗菌肽,运用基于支持向量回归(SVR...
- 丰峰苏满秀袁哲明
- 关键词：氨基酸抗菌肽定量构效关系地统计学
- 文献传递
- 基于支持向量回归与地统计学的多维时间序列分析被引量：7
- 2011年
- 基于地统计学与支持向量回归,建立一种快速定阶、既反映样本集动态特征,又体现环境因子影响的高精度非线性多维时间序列预测方法(GS-SVR)。对带趋势时间序列平稳化后,先基于地统计学后效时间长度进行因变量快速定阶;再以支持向量机基于最小原则非线性筛选自变量,继以主成分分析消除自变量之间的信息冗余;最后以一步预测法检验GS-SVR的有效性。2个农业科学实例结果显示,GS-SVR在所有参比模型中预测精度最高,稳定性最好。GS-SVR能快速、准确实现模型定阶,是一种融合时间序列分析和回归分析的非线性多维时间序列分析方法,并具非线性、避免过拟合、避免局部最小、泛化能力优异等优点,在农业科学、生态学、经济学等多维时间序列预测领域有较广泛的应用前景。
- 李星陈渊张永生袁哲明
- 关键词：地统计学支持向量机主成分分析
