基于支持向量机的巢湖富营养化程度评价研究

摘要：

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,它可以较好地解决非线性问题,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.

关键词：支持向量机、核函数、富营养化

所属期刊栏目：36

分类号：X824(环境质量分析与评价)

在线出版日期：2011-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：181-184