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.