卢艳军，周小敏，任 艳，房 芮

(沈阳航空航天大学 自动化学院，沈阳 110136)

基于遗传算法优化支持向量机的辐射测温方法

卢艳军，周小敏，任 艳，房 芮

(沈阳航空航天大学 自动化学院，沈阳 110136)

温度的监控与测量在工业生产和科学研究等众多领域都发挥着重要的作用。遗传算法(Genetic Algorithm,GA)是模拟生物界中自由配对和自然选择现象的一种过程全局搜索算法。而支持向量机(Support Vector Machine,SVM)是以统计学习理论为基础的，并致力于研究少样本情况下机器学习规律的新兴学习算法，具有非常好的非线性函数拟合和泛化能力。针对目前支持向量机的结构参数多采用经验或者试取，提出遗传算法来优化支持向量机的参数，并应用于红外辐射温度测量。结果表明，遗传算法优化方法较网格搜索方式无论是学习效率和预测精度都优于后者，表明遗传支持向量机算法能有效地用于目标辐射温度测量。

支持向量机；遗传算法；参数优化；温度测量

在高温辐射测量现场一般工作环境比较恶劣，因此对于辐射本身尤其内部温度测量比较困难。现在主要测温方式分为接触式和非接触式测温方法。接触式测温方法利用传感器接触测量，一般适用于点温度的测量，而且不能长时间工作，故这种测量方式很难在高温辐射测量问题上派上用场；对于高温红外辐射测量系统，非接触式测温方法建立数学模型的方法有机理建模方法和实验建模方法两种[1]。机理建模是通过对系统本身的内部过程研究而得出的，它的定性结论一般正确，但实际精度一般达不到要求，而一些实际系统中的机理较为复杂，甚至目前尚未清楚。……