1、基于SVR及特征選擇的材料物理性能研究重慶大學(xué)碩士學(xué)位論文學(xué)生姓名：王桂蓮指導(dǎo)教師：蔡從中研究員專業(yè)：材料物理與化學(xué)學(xué)科門類：工學(xué)重慶大學(xué)物理學(xué)院二O一一年五月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要20世紀(jì)60年代，Vapnik及其合作者提出了利用經(jīng)驗(yàn)數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)的統(tǒng)計(jì)學(xué)習(xí)理論（StatisticalLearningThey簡稱SLT）。SLT是一種可應(yīng)用于小樣本分析的統(tǒng)計(jì)理論，具有較強(qiáng)的實(shí)用性。支持向量機(jī)(SupptVectMachi

2、neSVM)是基于統(tǒng)計(jì)學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理提出的一種有監(jiān)督的新的機(jī)器學(xué)習(xí)方法，被公認(rèn)為小樣本情況下統(tǒng)計(jì)學(xué)習(xí)的經(jīng)典。與多元非線性回歸(MNR)等其它學(xué)習(xí)方法相比，SVM具有較好的泛化和學(xué)習(xí)能力，已被廣泛的應(yīng)用于諸多領(lǐng)域。本論文對(duì)超導(dǎo)元素的實(shí)驗(yàn)數(shù)據(jù)集進(jìn)行特征選擇，再利用支持向量回歸（SVR）進(jìn)行回歸分析，比較了SVR和MNR的預(yù)測結(jié)果。同時(shí)用SVR方法對(duì)實(shí)驗(yàn)數(shù)據(jù)集（瀝青生產(chǎn)過程中的軟化點(diǎn)、摻雜二硼化鎂體系的超導(dǎo)轉(zhuǎn)變溫度和以NiAl為

3、底層等離子噴涂FeO4粉的結(jié)合強(qiáng)度）直接進(jìn)行預(yù)測，并利用粒子群算法對(duì)材料合成工藝參數(shù)進(jìn)行了尋優(yōu)和因素分析。本文研究的主要內(nèi)容有：①對(duì)常用的特征提取和選擇方法進(jìn)行了綜述，介紹了灰關(guān)聯(lián)分析、靈敏度分析、信噪比、熵標(biāo)準(zhǔn)、遺傳算法(GA)、主成分分析法(PCA)、粒子群尋優(yōu)算法(PSO)、模擬退火算法(SA)和其他常用的特征選擇方法的算法、及其優(yōu)點(diǎn)和缺點(diǎn)等。②對(duì)SVR原理進(jìn)行了詳細(xì)的敘述，并介紹了其算法、實(shí)現(xiàn)和發(fā)展。介紹了幾種常用的回歸方法及其

4、原理，包括廣義神經(jīng)網(wǎng)絡(luò)、MLR、嶺回歸。分析了它們的優(yōu)點(diǎn)和缺點(diǎn)。③根據(jù)超導(dǎo)元素的實(shí)驗(yàn)數(shù)據(jù)集，應(yīng)用靈敏度分析對(duì)數(shù)據(jù)集進(jìn)行特征提取，然后用支持向量回歸方法對(duì)它們的超導(dǎo)轉(zhuǎn)變溫度進(jìn)行了建模和預(yù)測，并對(duì)它們預(yù)測結(jié)果與MNR進(jìn)行了分析比較根據(jù)摻雜MgB2系超導(dǎo)體的實(shí)驗(yàn)數(shù)據(jù)，SVR應(yīng)用超導(dǎo)體系的拓?fù)涿枋龇麑?duì)超導(dǎo)轉(zhuǎn)變溫度進(jìn)行了預(yù)測和比較；根據(jù)生產(chǎn)過程中瀝青的實(shí)驗(yàn)數(shù)據(jù)集，SVR方法對(duì)瀝青的軟化點(diǎn)進(jìn)行了有效的預(yù)測；根據(jù)等離子噴涂FeO4粉的實(shí)驗(yàn)數(shù)據(jù)集，SV