《多核SVM对传感器动态建模的研究》PDF+DOC
作者:吴延增,张政国,刘旭宁
单位:兰州交通大学
出版:《兰州交通大学学报》2013年第01期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFLZTX2013010220
DOC编号:DOCLZTX2013010229
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于SVM的网络定位算法的仿真设计》PDF+DOC2019年第04期 冯娜
《基于支持向量机的多传感器信息融合算法》PDF+DOC2006年第06期 陶秀凤,周鸣争
《遗传优化支持向量机的传感器动态建模》PDF+DOC2011年第03期 唐炜,张莉,陈涛
《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
《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
《小波和多核SVM方法在UVA传感器故障诊断的应用》PDF+DOC2014年第01期 叶慧,罗秋凤,李勇
《基于SVM的传感器故障诊断和信号恢复技术》PDF+DOC2013年第12期 陈烨,王建平
《基于改进PSO优化LSSVM的传感器补偿研究》PDF+DOC2013年第05期 刘滔,韩华亭,焦楷哲
《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
针对传感器的动态特性,提出了一种基于多核最小二乘支持向量机对传感器进行动态建模的方法.通过不同核函数的线性加权组合构造新的等价核,由于构造的等价核函数兼具了全局核函数和局部核函数的优点,从而降低了建模精度对核函数及其参数的依赖性.在理论上详细介绍了多核最小二乘支持向量机回归参数和模型输出值的求解方法.通过仿真实验验证了该方法的可行性.将该方法与标准的最小二乘支持向量机方法进行比较,证明了该方法在一定噪声存在的情况下,具有良好的抗噪性和较高的建模精度。
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。