基于支持向量机对稻米淀粉含量的回归预测研究

周志聪，祁广云

（黑龙江八一农垦大学信息技术学院，大庆 163319）

水稻是世界是上最重要的粮食作物之一，也是我国最重要的粮食作物之一。近些年随着生活水平的提高，人们对稻米品质的要求越来越高，而稻米中所含淀粉含量的高低是决定稻米口感和食味品质的重要因素之一[1]，对淀粉含量的相关测定越来越重要，对生产加工流水线作业实时检测的需求越来越高。传统的测定方法：酶水解法和酸水解法测试过程繁琐而且对测定样品造成破坏，而近红外检测结合支持向量机在对样品测定的过程简单、快速，还不会对样品本身造成任何的损害。

1 支持向量机简介

支持向量机（SVM）是Vapnik 等人根据统计学理论提出的一种新的通用学习方法，它是建立在统计学理论的结构风险最小原理与VC 维理论基础上的，能够较好地解决小样本、非线性、高维数和局部极小点等实际问题。已成为机器学习界的研究热点之一，并且成功在分类、函数逼近和时间序列预测等方面广泛应用。另外SVM 的求解最后转化成二次规划问题的求解。因此，SVM 的解是唯一且全局最优的。基于这两个优点，使得SVM 被提出后就得到了广泛的重视和应用。

SVM 方法最初只在模式识别问题方面应用研究，随着Vapnik 比对ε 不敏感损失函数的引入，SVM已经被推广到非线性系统的回归估计，并展现出了极好的学习能力和问题处理能力。支持向量机方法在非线性系统分类辨识、建模与控制、预测和预报有着潜在的广泛应用，使得对其研究显得非常重要。……