改进型支持向量机在水质分类中的应用研究*

刘保

（淮南职业技术学院网络中心，安徽淮南232001）

改进型支持向量机在水质分类中的应用研究*

刘保

（淮南职业技术学院网络中心，安徽淮南232001）

文章分别使用BP、RBF等神经网络和支持向量机等非线性方法对相同的水质数据建立分类模型。使用支持向量分类机建立水质分类模型过程中，选用RBF核函数，结合归一、降维等数据预处理手段，利用网格搜索算法对参数进行寻优，得出水质分类模型。实验结果证明在非线性方法中，采用支持向量机并结合相应的数据预处理手段这种方案得出的分类准确率更高，更加具有推广性。

水质评价；分类；支持向量机；神经网络；核函数

1 神经网络在水质分类中的应用

1.1 RBF神经网络在水质分类中的应用

1.1.1 RBF神经网络概述

作为一种前向神经网络，RBF神经网络和大多数前向网络类似。其网络结构通常也分为输入层、隐含层、输出层。结构简单、训练学习速度快是这种神经网络的特点，能够在理论上逼近任何非线性函数。

1.1.2 利用RBF神经网络建立水质分类模型

文章共选取189个水质样本，从中选取89个水质样本作为训练样本，另外89个水质样本作为测试样本。利用Matlab10.0编程建立分类模型，首先对训练样本和测试样本做数据预处理，即将训练集和测试集合并在一起做归一操作。在数据预处理过程中并没有使用主成分分析这一步骤，原因是实验证明对其进行主成分分析不但没有提高其分类准确率反而降低了最终的准确率，由此可以看出主成分分析包括归一在数据预处理的过程中并不是必须的步骤。……