期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
永磁球形电机的支持向量机模型的参数寻优 被引量：25
1
作者 鞠鲁峰 王群京 +2 位作者 李国丽 胡存刚 钱喆 《电工技术学报》 EI CSCD 北大核心 2014年第1期85-90,共6页
提出一种新的永磁球形电机的数学模型建立方法——支持向量机(SVM)模型,分别采用网格参数寻优、遗传算法(GA)参数寻优、粒子群(PSO)寻优算法来计算SVM模型的参数,分析比较三种算法得到的参数,确定最适合永磁球形电机SVM回归模型的参数... 提出一种新的永磁球形电机的数学模型建立方法——支持向量机(SVM)模型,分别采用网格参数寻优、遗传算法(GA)参数寻优、粒子群(PSO)寻优算法来计算SVM模型的参数,分析比较三种算法得到的参数,确定最适合永磁球形电机SVM回归模型的参数寻优算法。 展开更多
关键词 关键词 永磁球形电机 支持向量机 回归 网格参数寻优算法 遗传算法 粒子群寻优算法
在线阅读 下载PDF
基于支持向量机模型的地表下沉系数计算参数寻优
2
作者 熊睿 《采矿技术》 2021年第6期108-111,共4页
为准确快速地对地表下沉系数进行预测分析,提出基于支持向量机(SVM)的地表下沉系数的SVM预测模型,结合我国典型的地表移动观测站实际案例,分别采用网格参数寻优算法、遗产算法(GA)、粒子群算法(PSO)对SVM模型进行参数寻优,并采用考虑交... 为准确快速地对地表下沉系数进行预测分析,提出基于支持向量机(SVM)的地表下沉系数的SVM预测模型,结合我国典型的地表移动观测站实际案例,分别采用网格参数寻优算法、遗产算法(GA)、粒子群算法(PSO)对SVM模型进行参数寻优,并采用考虑交叉概率的改进GA算法对地表下沉系数进行预测。结果表明,改进的GA算法预测回归系数可达到0.95271,适合地表下沉系数预测分析,预测准确率最高。 展开更多
关键词 地表下沉系数 支持向量机 网格参数寻优算法 遗传算法 粒子群寻优算法
在线阅读 下载PDF
基于相空间重构的光纤周界信号识别算法研究 被引量：8
3
作者 王建平 郝钊 朱程辉 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2017年第5期643-648,共6页
文章将相空间重构和复小波包变换引入入侵信号类型的识别,对原始信号进行相空间重构,以便更深地反映光纤入侵振动数据混沌特性的内在动力性属性。以相空间重构嵌入维数作为复小波包变换数据输入长度,避免输入信号长度的随意性。采用复... 文章将相空间重构和复小波包变换引入入侵信号类型的识别,对原始信号进行相空间重构,以便更深地反映光纤入侵振动数据混沌特性的内在动力性属性。以相空间重构嵌入维数作为复小波包变换数据输入长度,避免输入信号长度的随意性。采用复小波包提取重构信号的能量分布特征构成入侵信号识别的特征集,以主成分分析对原始特征集降维,通过网格参数寻优算法得到支持向量机(support vector machine,SVM)回归模型的最优参数,以最优参数进行SVM入侵类型识别。实验结果表明,该方法能正确监测入侵事件且误报率与漏报率低。 展开更多
关键词 光纤周界安防系统 相空间重构 复小波包 主成分分析 网格参数寻优算法 支持向量机(SVM)
在线阅读 下载PDF
支持向量机在边坡稳定性预测中的应用 被引量：4
4
作者 饶运章 黄永刚 张永胜 《工业安全与环保》 北大核心 2016年第7期37-39,54,共4页
针对离子型稀土原地浸矿边坡稳定性问题的小样本、非线性等特点,采用一种边坡稳定性预测模型——支持向量机(SVM)模型,分别使用网格参数寻优、遗传算法(GA)参数寻优、粒子群(PSO)寻优算法来计算SVM模型的参数,分析比较3种算法得到的参数... 针对离子型稀土原地浸矿边坡稳定性问题的小样本、非线性等特点,采用一种边坡稳定性预测模型——支持向量机(SVM)模型,分别使用网格参数寻优、遗传算法(GA)参数寻优、粒子群(PSO)寻优算法来计算SVM模型的参数,分析比较3种算法得到的参数,确定最适合离子型稀土原地浸矿边坡稳定性预测的SVM回归模型的参数寻优算法。 展开更多
关键词 离子型稀土矿 边坡稳定性 支持向量机 预测模型 网格参数寻优算法 遗传算法 粒子群寻优算法
在线阅读 下载PDF
不同模态分解方法结合LSTM模型对日径流预报的影响 被引量：3
5
作者 谭永杰 王现勋 +2 位作者 段茗续 刘亚茹 姚华明 《人民珠江》 2023年第12期64-72,79,共10页
针对日径流序列不平稳性与波动性的特点,尝试将模态分解和深度学习组合预测方法引入至日径流预报。首先,采用完整集合经验模态分解方法对日径流时间序列进行分解,得到不同频率成分的模态分量;其次,为不同的模态分量构建长短期记忆神经... 针对日径流序列不平稳性与波动性的特点,尝试将模态分解和深度学习组合预测方法引入至日径流预报。首先,采用完整集合经验模态分解方法对日径流时间序列进行分解,得到不同频率成分的模态分量;其次,为不同的模态分量构建长短期记忆神经网络日径流预测模型,并采用网格搜索参数寻优算法优化预报模型的超参数;最后将各模型预报结果进行模态重组获得日径流预报结果。以宜昌水文站日径流预报为研究实例,所构建的组合模型较单一长短期记忆神经网络的和分别降低了65.02%、58.35%与2.88%,且运用完整集合经验模态分解方法的分解效果优于传统的模态分解方法,为短时间尺度下的非线性和非平稳的日径流预报提供了新的方法和参考。 展开更多
关键词 日径流预报 长短期记忆网络 完整集合经验模态分解 网格搜索参数寻优算法 宜昌水文站
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部