基于邻域粗糙集与支持向量机的射频识别系统识别率预测

来源：计算机集成制造系统杂志2019年第12期北京时间：

作者：王宏刚,王姗姗,姚佳,潘若禹,庞胜利

单位：西安邮电大学通信与信息工程学院

摘要：为了优化射频识别系统硬件部署,提高部署效率,提出一种基于邻域粗糙集与支持向量机理论的射频识别系统识别率预测模型。首先利用邻域粗糙集理论对影响射频识别系统识别率的初始因子以最小相关和最大依赖度为准则进行属性约简,筛选出核因子集。基于该核因子集建立了支持向量机预测模型,并使用交叉验证与网格搜索法自适应寻优模型参数,构造动态射频识别系统识别率预测模型,并对射频识别实验平台进行测试。结果表明,该模型预测分类准确率可达92.89%,均方根误差值为0.36,相比较基于K最近邻—朴素贝叶斯等其他分类预测模型,预测时间更短,运算速度更快。最后,通过智慧图书管理平台的应用实例,验证了所提模型的有效性。

关键词：射频识别,邻域粗糙集理论,支持向量机,参数优化,预测

基金资助：2017年工信部智能制造重大专项资助项目（Z135060009002）;陕西省重点研发计划资助项目(2018ZDXM-GY-041,2018GY-150);陕西省教育厅科学研究计划资助项目（18JK0704）;西安市科技计划资助项目（201805040YD18CG24-3）,陕西省工业科技攻关资助项目（2014K05-09）。