《基于SVM的多传感器信息融合算法》PDF+DOC
作者:周鸣争,汪军
单位:中国仪器仪表学会
出版:《仪器仪表学报》2005年第04期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFYQXB2005040180
DOC编号:DOCYQXB2005040189
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于支持向量机的多传感器信息融合算法》PDF+DOC2006年第06期 陶秀凤,周鸣争
《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SVM和DS证据理论的多传感器信息融合故障诊断》PDF+DOC2015年第04期 张宁波
《基于SVM的网络定位算法的仿真设计》PDF+DOC2019年第04期 冯娜
《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
《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
《基于核函数SVM的穿戴式姿态识别系统》PDF+DOC2010年第10期 胡一帆,林欣,丁永生,吴怡之
《支持向量机与证据理论在信息融合中的结合》PDF+DOC2008年第09期 周皓,李少洪
《基于SVM的多传感器信息融合故障诊断》PDF+DOC2014年第09期 张宁波
支持向量机(Support Vector machine,简称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。