网格搜索方法寻优SVR参数预测稻米粮堆黄度指数的方法技术

本发明专利技术公布了网格搜索方法寻优SVR参数预测稻米粮堆黄度指数的方法。包括以下步骤：首先，将稻米粮堆的特征值按照特定的结构划分编辑好，然后利用MATLAB中的libsvm工具箱读取编辑好的稻米粮堆数据，并进行归一化处理；然后将读取到的数据传入网格搜索方法中，按照一定的步长搜索寻找最优惩罚参数c和核函数参数g；最后利用筛选出来的最优解预测稻米粮堆的黄度指数。本发明专利技术网格搜索方法寻优SVR参数预测稻米粮堆黄度指数的方法，经过网格搜索方法寻优和SVR支持向量回归预测，能够有效的提升稻米粮堆黄度指数预测结果的准确性。

Grid search method to optimize SVR parameters to predict rice grain stack yellowness index

【技术实现步骤摘要】
网格搜索方法寻优SVR参数预测稻米粮堆黄度指数的方法
本专利技术属于神经网络
，具体为网格搜索方法寻优SVR参数预测稻米粮堆黄度指数方法。
技术介绍
全世界大米年产量在5.2亿吨左右，约有39个国家高达10亿以上人口以大米为主要食物，尤以亚洲对稻米的依赖性最强；其中我国年生产大米1.85亿吨，约占世界的35％，居于首位；其次为印度、印尼和泰国。我国也是大米消费大国，目前人均直接年消费大米100kg左右，口粮消费总量1.2亿吨左右。大米是粮食中最难保存的粮品之一，由于保护胚乳的稻壳和皮层在大米加工过程中均被去除，胚乳直接与外界环境温湿度等因素发生联系，且米粒是富含淀粉和蛋白质等营养物质的亲水胶体，极易受湿、热、氧、虫、霉等的影响而变质。特别在夏季高温、高湿条件下，大米品质劣变、霉变速度加快，导致大米酸度增加，粘性下降，使大米食用品质下降甚至丧失食用价值。黄度指数是体现稻米品质的一个重要的参数。因此根据稻米储藏条件来预测稻米黄度指数的研究具有很强的理论价值和现实意义。神经网络模拟了人类大脑的一部分功能，是实现人工智能的一个重要方法。使本文档来自技高网...

【技术保护点】
1.本专利技术公布了一种网格搜索方法优化SVR参数预测稻米粮堆黄度指数的方法，其特征在于：包括以下步骤，/n步骤（A）对原始稻米粮堆数据预处理;/n步骤（B）读取稻米粮堆数据并归一化;/n步骤（C）利用网格搜索算法参数寻优;/n步骤（D）用寻优得出的最优解设置SVR参数并预测稻米粮堆的黄度指数。/n

【技术特征摘要】
1.本发明公布了一种网格搜索方法优化SVR参数预测稻米粮堆黄度指数的方法，其特征在于：包括以下步骤，
步骤（A）对原始稻米粮堆数据预处理;
步骤（B）读取稻米粮堆数据并归一化;
步骤（C）利用网格搜索算法参数寻优;
步骤（D）用寻优得出的最优解设置SVR参数并预测稻米粮堆的黄度指数。


2.根据权利要求1所述的一种网格搜索方法优化SVR参数预测稻米粮堆黄度指数的方法，其特征在于：步骤(A)，对原始稻米粮堆数据预处理，为了方便工具箱读取稻米特征数据，首先对原始稻米粮堆数据进行特征分类编辑。


3.根据权利要求1所述的一种网格搜索方法优化SVR参数预测稻米粮堆黄度指数的方法，其特征在于：步骤(B)，读取稻米粮堆数据并归一化，利用libsvm工具箱读取步骤（A）中编辑好的稻米粮堆数据，采用MATLAB自带函数mapminmax将读取的数据，按照相同特征类归一化到[0,1]区间。


4.根据权利要求1所述的一种网格搜索方法优化SVR参数预测稻米粮堆黄度指数的方法，其特征在于：步骤(C)，利用网格搜索方法参数寻优,将步骤（B）得到的归一化特征数据传入到网格搜索方法中来寻找最优惩罚参数c和核函数参数g，首先初始化数据，包括最优参数c和g，最大及最小c和g取值，以及最小均方误差；然后将c和g划分网格并开始搜索；采用K-CV的方...

【专利技术属性】
技术研发人员：张潇，李培灵，王锋，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：河南;41