《一种基于支持向量机的数据融合方法的研究》PDF+DOC

📙 相关资料

1. 《基于BP网络的机器人多传感器手爪特征级数据融合》PDF+DOC 机器人手爪上装有多种传感器。为了保证手爪能安全、可靠地抓取工件，必须对这些传感器的数据进行融合。本文介绍手爪上传感器的配置情况，进行手爪抓取工件实验，将BP神经元网络应用于传感器的特征级融合，得到手爪抓取工件的准确信息。...
2. 《基于SVM的多源异构数据融和方法》PDF+DOC 多源异构数据融合可为决策提供更好的支持，相较于单一数据源有很多优势。异构数据融合常发生在特征级和决策级。本文基于统计学习理论支持向量机(SVM)机制，对多源异构数据特征级融合进行了研究，实验证明此方法能有效实现多源异构数据的融合，并应用于决策支持。...
3. 《机器人IMU与激光扫描测距传感器数据融合》PDF+DOC 本文较详细的介绍了如何利用卡尔曼滤波技术来实现机器人 IMU与激光扫描测距传感器之间的数据融合方法 ，提出了一种新的扫描测距传感器的数学模型 ，使之能应用卡尔曼滤波的算法 ，以便得到更准确的距离信息...
4. 《机器人手爪的多传感器数据采集、融合和传输系统》PDF+DOC 机器人为了灵巧地抓取物体，在手爪上配置了多种传感器，例如，指力传感器、触觉传感器和距离传感器。研制了一套基于DSP的系统，实现传感器数据的采集、融合和传输。系统硬件由数据采集模块、DSP模块和CAN传输模块组成。系统软件包括监控程序、初始化模块、看门狗模块、数据融合模块、CAN通信模块、数字量采集模......
5. 《基于支持向量机的气敏传感器阵列信号处理方法》PDF+DOC 提出一种基于支持向量机(SVM)的气敏传感器阵列信号处理新方法。SVM作为一种新的机器学习方法，由于其建立在结构风险最小化准则之上，从而使得支持向量分类器具有良好的推广能力。该文首先讨论了SVM的基本原理，然后将其作为识别气体种类的分类器。该方法可以得到较高的识别率，能够识别复杂的模式。...
6. 《基于SVM的机器人工件识别》PDF+DOC 支持向量机(SVM)是一种崭新的机器学习方法，建立在结构风险最小化原理基础上，寻找一个最优分类超平面，引进核函数将低维空间向量映射到高维空间.此方法能解决小样本、非线性及高维模式识别中的问题.鉴于此，将SVM应用于多传感器信息融合，并针对多类型目标识别问题，采用“oneagainstall”方法构造......
7. 《基于多传感器数据融合的机器人腕力测量》PDF+DOC 提出根据手爪上的多个指力传感器的输出变化 ，通过数据融合方法得到腕力的数值。研制了标定腕力与手爪上指力之间关系的实验台 ，进行了标定实验。采用径向基函数神经元网络对实验数据进行训练 ，得到融合网络的权值。融合结果与实测结果相当吻合...
8. 《WSN中基于GM-LSSVM的数据融合方法》PDF+DOC 针对传统时间序列预测融合算法对于具有非线性、随机性和突发性的数据拟合度不佳的问题，提出了一种基于灰色最小二乘支持向量机(GM-LSSVM)预测的时序数据融合方法。利用少量监测数据对模型进行训练，以灰色回归预测数据作为最小二乘支持向量机的输入数据，并对下一步未知信息进行预测，以达到减少通信开销的目的。......
9. 《基于多层径向基神经网络的机器人手爪腕力测量》PDF+DOC 机器人手爪腕部所受的力的量化对于机器人的安全操作是非常重要的。为了获取手指上力传感器的输出变化，首先对机器人进行标定实验，得到了机器人在行走和操作工件时腕部所受的多维力的信息。分析了利用经典的BP网络、RBF网络方法对机器人手爪腕力测量的缺陷，设计了一种新的神经网络-3R神经网络，对机器人手爪的8个......
10. 《面向网络遥操作的多传感器集成手爪的设计》PDF+DOC 以网络遥操作为应用背景，设计了一种分层的多传感器集成手爪。设计中首先提出了包含了数据采集层、数据处理层、网络交互层等三个层次的手爪体系结构。然后提出了基于支持向量机的融合算法，并结合CAN总线等技术对手爪系统进行了逐层设计，使其具有模块化、智能化等特点。还搭建了多传感器集成手爪实验系统，完成了基于多......