《适用于智能传感器系统的SVM集成研究》PDF+DOC
作者:卞桂龙,丁毅,沈海斌
单位:中国电子科技集团公司第四十九研究所
出版:《传感器与微系统》2014年第08期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFCGQJ2014080130
DOC编号:DOCCGQJ2014080139
下载格式:PDF + Word/doc 文字可复制、可编辑
《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
《湿度传感器的SVM温度补偿研究及软件设计》PDF+DOC2014年第12期 高大惟,刘建玲
《嵌入式智能化传感器的设计及其实现探索》PDF+DOC2015年第08期 张磊,白松培
《基于SVM和阈值分析法的摔倒检测系统》PDF+DOC2017年第07期 陈玮,周晴,曹桂涛
《新一代人工智能技术在德国工业4.0中的应用路径研究》PDF+DOC 孙浩林
《对嵌入式智能传感器的理论研究》PDF+DOC2005年第26期 王立刚
《试论大坝安全感知技术》PDF+DOC2003年第S2期 苏怀智,温志萍
《基于SVM的电涡流传感器动态建模方法》PDF+DOC2008年第34期 高云红,李一波
《基于SVM和RBFN的汽车主动降噪系统传感器故障诊断》PDF+DOC2014年第04期 赛吉尔呼,戴盛芳,董爱华,苗清影
《无线传感器节点的故障诊断研究》PDF+DOC2013年第S1期 尚兴宏,尚曦乐,章静,钱焕延
以支持向量机(SVM)为代表的人工智能技术在智能传感器系统中得到了广泛的应用,但传统的SVM有“灾难性遗忘”现象,即会遗忘以前学过的知识,并且不能增量学习新的数据,这已无法满足智能传感器系统实时性的要求。而Learn++算法能够增量地学习新来的数据,即使新来数据属于新的类,也不会遗忘已经学习到的旧知识。为了解决上述问题,提出了一种基于壳向量算法的Learn++集成方法。实验结果表明:该算法不但具有增量学习的能力,而且在保证分类精度的同时,提高了训练速度,减小了存储规模,可以满足当下智能传感器系统在线学习的需求。
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。