针对小麦加工HACCP(Hazard Analysis and Critical Control Point)关键控制点的选择问题,采用一种基于支持向量机模型来实现关键控制点智能发现的方法。为了提高小麦加工关键控制点发现试验的识别稳定性和精确性,提出一种自适应动态搜...针对小麦加工HACCP(Hazard Analysis and Critical Control Point)关键控制点的选择问题,采用一种基于支持向量机模型来实现关键控制点智能发现的方法。为了提高小麦加工关键控制点发现试验的识别稳定性和精确性,提出一种自适应动态搜索粒子群算法优化SVM模型的核函数参数方法,该算法引入进化因子和进化阈值估计进化状态,动态调整搜索策略。当进化因子大于进化阈值时,采用基本粒子群搜索策略;反之,采用反向搜索策略,以扩大种群的多样性。算法基于进化因子为速度定义了速度惯性参数。仿真结果表明,基于ADS-PSO的SVM模型能够很好的实现关键控制点的智能发现,并取得了较高的识别率和稳定性。展开更多
文摘针对小麦加工HACCP(Hazard Analysis and Critical Control Point)关键控制点的选择问题,采用一种基于支持向量机模型来实现关键控制点智能发现的方法。为了提高小麦加工关键控制点发现试验的识别稳定性和精确性,提出一种自适应动态搜索粒子群算法优化SVM模型的核函数参数方法,该算法引入进化因子和进化阈值估计进化状态,动态调整搜索策略。当进化因子大于进化阈值时,采用基本粒子群搜索策略;反之,采用反向搜索策略,以扩大种群的多样性。算法基于进化因子为速度定义了速度惯性参数。仿真结果表明,基于ADS-PSO的SVM模型能够很好的实现关键控制点的智能发现,并取得了较高的识别率和稳定性。
