Results 41 to 50 of about 1,632,211 (76)
总结了近年来国际上图像融合以及支持向量机的应用的研究进展,分析了支持向量机用于遥感图像融合分类的趋势、优势以及目前存在的问题,指出了该研究领域的研究方向。
郭立萍 +4 more
core
目的研究青少年学生社会支持和手机成瘾二者间的关系。方法采用社会支持量表(SSRS)和手机成瘾倾向调查问卷(MPATS),通过整群随机抽样方法对1200名青少年学生进行问卷调查。结果青少年学生手机成瘾倾向得分为(2.71±0.72)分,手机成瘾者占被调查者总人数的30.78%;不同社会支持分组青少年学生手机成瘾各项指标得分差异显著(F=6.225~21.589 ...
祝卓宏, 葛续华
core
笔者采用数字图像处理算法提取了紫外图像中的放电光斑区域并定义了"光斑面积"参数,试验研究了10、35、110 kV复合绝缘子高压侧电晕放电时的紫外图像和放电量的变化特性,得到了光斑面积与视在放电量之间的关系曲线。获得了光斑面积随仪器增益和观测距离变化时的试验数据并利用MATLAB的CFTOOL工具箱函数进行了拟合分析,研究表明光斑面积与增益之间近似满足于指数变化规律,光斑面积与距离之间近似满足于幂函数变化规律。在此基础上论文给出了50%、60%、70%、80%4种增益 ...
陈磊 +4 more
doaj
Studies on Soft-sensor Modeling for the Quality Index of Cement Clinker
针对水泥熟料质量指标的测量,提出一种基于最小二乘支持向量机的软测量建模方法;对于建模数据,提出了基于模糊聚类的数据预处理方法。实验研究表明,该数据预处理方法明显优于传统的拉依达准则方法,能够有效地去除现场测量数据中存在的异常数据;最小二乘支持向量机建模相比于RBF神经网络也具有明显优势 ...
苑明哲, 王天然, 王卓, 王宏
core
支持向量机是在统计学习理论基础上发展起来的一种新型的机器学习方法。模型选择是设计支持向量机的重要内容之一。本文在分析用于回归的支持向量机原理的基础上,分别从核函数的选择、模型参数的作用、模型参数的调整方法等模型选择方面进行了综述,并讨论了模型选择的优缺点 ...
邓芳萍, 苏高利
core
针对传统OLSR算法的传输功率消耗和节点剩余能量之间的矛盾,提出了一种基于组合优化理论的能量感知路由算法(EW-OLSR).首先根据传输功率消耗和节点剩余能量构建节点能量消耗数学模型,并将其作为路由选择目标函数,然后在节点剩余能量计算中引入ARIMA-LSSVM组合预测模型,最后根据能量消耗最小路径选择数据传输路由.实验结果表明,EW-OLSR算法不仅减少了网络能量消耗和传输时延,而且提高了分组到达率,在无线网络中具有广阔的应用前景.
李巍 +4 more
doaj
在光度计/计算机联机系统上利用人工神经网络反向传递算法和偏最小二乘法对五组分有机物混合体系的紫外光谱数据和芬太尼构效关系数据同时进行了定性定量分析,对比和研究。结果表明,反向传递模型具有良好的定性分类能力和定量预测能力;偏最小二乘算法的定性分类效果稍差 ...
唐宏志 +4 more
core
本发明公开了一种基于支持向量机回归的磨削去除量预测方法,属于机器学习技术领域。该方法是使用支持向量机回归算法对实验数据进行训练和测试,得到支持向量机预测模型,从而实现对磨削去除量的预测;步骤:(1)数据处理:将实验数据分为训练集数据和测试集数据,并进行归一化处理;(2)构建SVR模型:设定预测模型参数,并对训练集数据进行训练得到预测模型;(3)测试SVR模型:利用预测模型对测试集数据进行测试;(4)判断SVR模型:判断测试结果是否满足要求;(5)预测去除量:如果测试结果满足要求 ...
李论, 赵吉宾, 赵敬川, 张洪瑶
core +1 more source
变压器是电力供应的重要组成部分,油中溶解气体测试方法通常用于配电变压器的质量检测,从而诊断其故障。文中提出了一种改进的优化算法,利用溶解气体分析(disslved gases analysis,DGA)对电力变压器质量检测从而进行故障预测。首先,从各种来源收集来自变压器DGA的数据,并选择最佳混合特征集作为模型的输入。其次,对于特征选择,采用核主成分分析(kernel principal component analysis,KPCA),为了优化最小二乘支持向量机(least squares ...
田霖 +4 more
doaj
利用部分最小二乘法能将高维输入数据投影到低维持微向量空间,以及神经网络可以近似任何非线性的特性,针对某丙烯氨氧化合物丙烯腈流化床反应器的试验数据,讨论了神经网络与部分最小二乘的组合方法,提出了基于部分最小二乘法的流化床器神经网络估计模型 ...
罗, 罗保林, 丁利华
core +1 more source

