《基于WPSO-KELM的火灾预警模型设计》PDF+DOC
作者:丁承君,张井超,何乃晨
单位:中国航天科工集团公司第十七研究所
出版:《计算机仿真》2018年第02期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFJSJZ2018020660
DOC编号:DOCJSJZ2018020669
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于核极限学习机的火灾预警算法研究》PDF+DOC2017年第05期 丁承君,张井超,何乃晨
《一种传感器特性的高精度拟合方法》PDF+DOC2014年第09期 黄为勇,高玉芹,田秀玲
《空间预警信息处理仿真系统研究》PDF+DOC2006年第02期 石磊,张涛,李骏,安玮
《MPSO-SVM的压力传感器的非线性校正研究》PDF+DOC2012年第02期 郭凤仪,郭长娜,王洋洋
《基于云粒子群-最小二乘支持向量机的传感器温度补偿》PDF+DOC2012年第04期 张朝龙,江巨浪,李彦梅,陈世军,査长礼,王陈宁
《基于支持向量机的多传感器火灾报警系统设计》PDF+DOC2011年第01期 单晓亮
《基于粒子群优化相关向量机的无线传感器故障检测》PDF+DOC2010年第13期 吴良海
《基于PSO-SVM的传感器非线性动态补偿及LabVIEW实现》PDF+DOC2013年第09期 张霞,陈保利
《基于EEMD能量熵和LSSVM的传感器故障诊断》PDF+DOC2013年第07期 丁国君,王立德,申萍,杨鹏
《基于粒子群优化结合最小二乘支持向量机的气体传感器建模》PDF+DOC2013年第S1期 杜康,许军,张耀辉,魏子杰
火灾信息处理算法的有效性影响着火灾预警系统的准确性和可靠性,智能火灾预警算法研究成为了火灾预警技术的一个研究热点。针对以往火灾信息处理算法的不足,提出了一种基于惯性粒子群优化的核极限学习机(WPSO-KELM)的火灾预警算法。建立核极限学习机火灾预警模型,采用粒子群算法优化核极限学习机参数,因为惯性权重因子对粒子群优化算法影响较大,提出了惯性粒子群优化算法(WPSO)。利用MATLAB对基于WPSO-KELM火灾预警算法进行仿真,通过与BP神经网络、支持向量机和核极限学习机三种火灾预警算法的仿真结果作对比,发现基于WPSO-KELM的火灾预警算法分类精度更高、稳定性更好。
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。