王文超
- 作品数：4 被引量：1H指数：1
- 供职机构：江南大学物联网工程学院更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金江苏省环境监测科研基金更多>>
- 相关领域：环境科学与工程生物学自动化与计算机技术更多>>
- 基于支持向量机的太湖入湖河流水质影响因素的研究
- 2011年
- 以影响太湖入湖河流水质的23个因素值为研究对象,通过分析这些因素值随时间的变化趋势,发现随时间变化较大的因素为TN,CODMn,TP,石油类,Cd和Pb;以这些因素值为特征向量,利用支持向量机对轻度污染水质和重度污染水质进行了分类。当支持向量机的参数c为18.95、g为2.09时,局部预测率和全局预测率较高,分别为82.22%和85.71%,重度污染水质和轻度污染水质的预测率分别为70%和94.44%,这不仅表明TN,CODMn,TP,石油类,Cd和Pb是影响水体水质的主要因素,而且表明构建的支持向量机分类器适合于水质预测。
- 丁彦蕊孙小妹王文超孙培冬陈蓓
- 关键词：支持向量机影响因素水体水质
- PSO和SVM混合算法确定太湖入湖河流水质主要影响因子被引量：1
- 2012年
- 以影响太湖入湖河流水质的24个因子值为研究对象,将粒子群优化算法(PSO)与支持向量机算法(SVM)相结合。PSO算法用于优化SVM算法的参数c和g,有利于快速、高效地确定c和g的全局最优值;SVM算法基于最优的c和g,分别以24,21,18,15,12,9和6个因子作为特征向量预测水质的污染程度。结果表明,当特征向量为9个影响因子时预测率最高。其参数c=18.56,g=1.35,对应的预测率为:全局预测率92.59%,重度污染水质预测率88.89%,轻度污染水质预测率94.45%。因此,通过PSO和SVM混合算法,可以确定影响太湖入湖河流水质的主要因子,利用这些主要因子对水质进行预测预警,不但可以节省时间,而且可以得到精确的结果。
- 陈蓓徐国伟王文超孙小妹孙培冬丁彦蕊
- 关键词：粒子群优化算法水体水质
- 基于PCA-SVM混合算法的嗜热菌和常温菌网络特征的研究
- 2012年
- 通过比较嗜热菌和常温菌代谢网络的特征参数,可以从系统角度确定微生物嗜热性的主要因素。本文首先利用主成分分析法对22个网络特征进行相关性分析,根据特征值、载荷值的大小最终选择了11个主要网络特征;用选出的这11个网络特征组成特征向量,利用支持向量机构建分类器,对嗜热菌和常温菌进行分类,其全局平均预测率为82.93%,对常温菌和嗜热菌的平均预测率分别为87.86%和72.40%。结果表明利用主成分分析法选择的网络特征可以很好的表征嗜热菌和常温菌的耐热性,因此簇大小分布的平均信息等11个网络特征是影响微生物耐热性的关键的代谢网络特征因素。
- 王文超丁彦蕊陈璟
- 关键词：SVM算法网格搜索网络特征
- 基于PCA-SVM混合算法的嗜热菌和常温菌网络特征的研究
- 2012年
- 通过比较嗜热菌和常温菌代谢网络的特征参数,可以从系统角度确定微生物嗜热性的主要因素。本文首先利用主成分分析法对22个网络特征进行相关性分析,根据特征值、载荷值的大小最终选择了11个主要网络特征:用选出的这11个网络特征组成特征向量,利用支持向量机构建分类器,对嗜热菌和常温菌进行分类,其全局平均预测率为82.93%,对常温菌和嗜热菌的平均预测率分别为87.86%和72.40%。结果表明利用主成分分析法选择的网络特征可以很好的表征嗜热菌和常温菌的耐热性,因此簇大小分布的平均信息等11个网络特征是影响微生物耐热性的关键的代谢网络特征因素。
- 王文超丁彦蕊陈璟
- 关键词：SVM算法网格搜索网络特征
