支持向量机与优化算法在林下参光环境评价系统中的研究

本书在支持向量机中构建了新型核函数，并详细分析了各个新核函数的全局学习能力和局部学习能力。通过研究自然界中一些自然现象而总结出了一种仿生智能优化算法，能够可靠解决全局最优化问题，体现出比遗传算法和粒子群算法更好的性能，并且该优化算法具有普遍适应性。支持向量机中的参数优化程度影响着构建模型的预测精度和泛化能力，本书将仿生智能算法用于参数优化过程，寻找出了最佳的预测模型。林下资源是人类宝贵的物质资源，人参是最重要的林下资源之一，其作为阴性植物，对生态环境提出了很高的要求，尤其是对光环境极具敏感性。本书瞄准本领域的科技发展前沿，选取林下种植生态环境中重要的自然光环境问题，设计了一种人性化、便于日后扩展其他功能的光照强度监控系统；以生态系统的物理和生物学原理为基础，利用系统分析和机器学习方法，建立林下参种植自然光环境的支持向量机动态模型。