材料期刊网，材料期刊，材料类期刊，材料期刊投稿

为预测60种烯烃类单体（M1）与苯乙烯（M2）的自由基共聚合竞聚率lgr1S值,采用密度泛函理论（DFT）B3LYP方法在6-31G（d）基组水平上对烯烃类单体（C1H2=C2XY）进行了计算。用于构建支持向量机（SVM）模型的最佳参数子集包括：原子R3的Mulliken电荷qMR3,C1的Mulliken电荷QMC-1（H原子电荷全部合并到与之相连的重原子上）,参数QMC-1与qMC-2之比RQq（=QMC-1/qMC-2）,最低未占分子轨道（LUMO）能级（ELUMO）和最高占据分子轨道（HOMO）能级（EHOMO）之差ΔEg。最佳SVM模型为高斯径向基核函数（C=1000,ε=0.0001及γ=0.2）。该模型训练集、验证集及测试集的均方根（rms）误差分别为0.043,0.157及0.192,与现有竞聚率lgr模型相比,本文所得SVM模型具有更好的统计品质。

关键词: 密度泛函理论 , 自由基共聚合 , 竞聚率 , 量子化学 , 支持向量机

钢板局部腐蚀的脉冲涡流热成像定量检测

左宪章 , 胡德洲 , 常东 , 钱苏敏

腐蚀与防护 doi:10.11973/fsyfh-201507012

钢铁腐蚀是威胁工业安全生产的重要原因之一,脉冲涡流热成像缺陷检测技术可以对钢板表面腐蚀进行检测和评估.结合数值模拟和实际腐蚀检测试验,对利用脉冲涡流热成像检测腐蚀缺陷的特点进行了分析,并提取了温度上升较大的高温区宽度和温度最大值为特征量描述腐蚀的宽度和深度.将试件表面沿线圈方向的温度轮廓作为LSSVM的输入,腐蚀的二维轮廓作为输出,由试验测量数据和有限元仿真计算得到的仿真数据组建样本库.建立了由缺陷的温度场信号到缺陷轮廓图像的映射关系,实现了腐蚀缺陷的二维轮廓重构.

关键词: 脉冲涡流热成像 , 腐蚀 , 支持向量机 , 重构

基于多支持向量机齿轮钢淬透性预报方法的研究

林平 , 王福利 , 刘浏

钢铁研究学报

由于齿轮钢淬透性与钢的化学成分和组织结构间存在非常复杂的关系,传统方法难以建立准确的预测模型.针对这一问题,提出了一种多支持向量机的建模方法,将影响淬透性的各因素按其相关性进行分类,根据分类结果确定子模型个数和子模型的输入.同时,为保证模型具有更好的拟合精度和泛化能力,在模型的训练中采用遗传算法对支持向量机进行参数寻优.仿真结果表明,采用多支持向量机建立的钢材淬透性预测模型具有更高的预测精度.

关键词: 淬透性 , 预报 , 支持向量机 , 遗传算法 , 齿轮钢

基于粒子群的支持向量机图像识别

韩晓艳 , 赵东

液晶与显示 doi:10.3788/YJYXS20173201.0069

为了实现对田间水稻缺素的精准识别，构建一个图像识别系统.对该系统所采用的图像采集、图像分割、基于支持向量机图像分类等算法进行研究.首先，根据田间水稻的缺素现象进行图像采集和处理.然后提取图像与氮元素相关的颜色特征.在分析比较 SVM 算法对图像分割的基础上，提出一种基于改进粒子群算法进行 SVM 参数优化算法模型(即 IPSO-SVM).最后，对实验进行设置，对算法模型与其他算法进行测试对比.实验结果表明：对水稻缺素诊断的准确率达到95．45％，基本满足田间水稻缺素的科学诊断要求.

关键词: 图像分割 , 支持向量机 , 粒子群 , 缺素

基于主成分分析与遗传算法-支持向量机的喷溅预测方法

韩顺杰 , 齐冀樊 , 姜玉莲 , 尤文

钢铁研究学报 doi:10.13228/j.boyuan.issn1001-0963.20160175

针对冶炼过程喷溅特征提取及喷溅预测困难的问题，提出基于小波包变换与主成分分析的优化参数模型的支持向量机喷溅预测方法。该方法经小波包变换将冶炼喷溅的噪声和氧枪振动信号分解为不同频带的信号。由于不同频带的信号出现相互干扰和堆叠，因此通过主成分分析将频带能量降维分离成不同频带，进而将这些处理后的信号作为喷溅特征向量。对支持向量机模型参数(C、g)进行遗传算法优化，通过支持向量机对喷溅的分类及预测，验证了该方法的有效性。实验结果表明：经小波包变换和主成分分析获得的特征信号能够准确地反应喷溅特征，提出的支持向量机方法具有较好的分类性能，喷溅预测准确率较高。

关键词: 喷溅预测 , 小波包变换 , 主成分分析 , 遗传算法 , 支持向量机

基于遗传算法的LIBS钢液定量分析

马翠红 , 王维国

中国冶金 doi:10.13228/j.boyuan.issn1006-9356.20160076

为了更好地对钢液进行定量分析,利用激光诱导击穿技术(LIBS)建立支持向量机模型,使用遗传算法优化支持向量机的参数.以钢液中锰元素的质量分数进行验证性试验,通过与传统方法作比较,将两种方法的试验结果进行对比来达到试验目的,最终的试验结果通过以下3个参考量可以看出,即均方根误差、相对标准误差和相关系数,分别为0.612％、9.37％、0.948.结果表明,使用遗传算法的支持向量机模型对分析性能有一定的提高.

关键词: 遗传算法 , 支持向量机 , 激光诱导击穿光谱 , 定量分析