活性染料耐洗色牢度支持向量机分类模型

摘要：

当今人们对染料染色织物的耐洗色牢度越来越关注.报道了基于二元分类问题的支持向量机分类(support vector classification,SVC))模型预测活性染料分子耐洗色牢度等级.在测试123支活性染料的耐洗色牢度、溶解过程中的抽滤时间、pH值之后,采用粒子群优化(particle swarm optimization,PSO)算法搜寻SVC模型参数C与γ值.模型采用3个变量(活性染料的pH值、抽滤时间、及结构特征定性变量)作为SVC分类模型的输入.所建分类模型对训练集活性染料分子耐洗色牢度等级预测整体准确度为84.1％,对测试集染料分子整体预测准确度为77.1％.结果表明,所建模型精确、可靠,可以用于活性染料耐洗色牢度等级预测.

关键词：耐洗色牢度、粒子群优化算法、活性染料、支持向量机分类

所属期刊栏目：28

分类号：TS193.63;O642.1(纺织工业、染整工业)

资助基金：湖南省自然科学基金资助项目12JJ6011;湖南省教育厅科研资助项目16A047;化学生物传感与计量学国家重点实验室湖南大学开放课题2016013

在线出版日期：2019-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：62-66,71