《基于支持向量机的多传感器信息融合算法》PDF+DOC
作者:陶秀凤,周鸣争
单位:陕西省计算机学会
出版:《计算机技术与发展》2006年第06期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFWJFZ2006060610
DOC编号:DOCWJFZ2006060619
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于SVM的多传感器信息融合算法》PDF+DOC2005年第04期 周鸣争,汪军
《基于支持向量机的光寻址电位传感器温度补偿研究》PDF+DOC2015年第12期 邱恒明,陈东,李桂银,黄勇,陈真诚,梁晋涛
《基于支持向量机的电容式压力传感器建模方法》PDF+DOC2005年第07期 吴德会,王晓红
《传感器非线性校正的遗传支持向量机方法》PDF+DOC2011年第01期 刘涛,王华
《基于SVM回归的FLANN改进新法及其应用》PDF+DOC2009年第27期 毛先柏,王利恒,李昌禧
《多核SVM对传感器动态建模的研究》PDF+DOC2013年第01期 吴延增,张政国,刘旭宁
《基于SVM的多传感器信息融合》PDF+DOC2013年第03期 孙颖,刘玉满,龚稳
《基于支持向量机算法的气体识别研究》PDF+DOC2005年第02期 汪丹,张亚非
《基于SVM的核电站环境辐射监测网络中传感器节点缺失值估计算法》PDF+DOC2012年第04期 王龙辉,高嵩,屈星
《基于支持向量机的瓦斯传感器数据验证》PDF+DOC2007年第12期 梅灿华,李明
支持向量机(Support Vector Machine,SVM)是一种基于结构风险最小化原理,具有很高泛化性能的学习算法。针对工业多传感器测控系统中,被测系数与相关参数之间存在有较大的非线性和模糊关系,提出了一种基于支持SVM的多传感器信息融合模型及算法。为小样本、非线性、高维数一类多传感器信息融合问题的建模提供了一种有效的途径。通过对“纸张水份在线测量系统”应用表明,基于SVM的多传感器信息融合模型及算法在测量精度和推广性能上都具有一定的优越性。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。