基于支持向量机的巢湖富营养化程度评价研究
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,它可以较好的解决非线性问题,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。
支持向量机 核函数 富营养化 湖泊水质
杨道军 钱新 钱瑜
污染控制与资源化研究国家重点实验室 南京大学环境学院 江苏南京 210093
国内会议
第六届亚太地区基础设施发展部长级论坛暨第二届中国城镇水务发展国际研讨会
北京
中文
413-418
2007-08-28(万方平台首次上网日期,不代表论文的发表时间)