检索结果-南通市图书馆

数学的实践与认识 2011年第5期41卷 157-161页

作者：程毛林苏州科技学院数理学院江苏苏州215009

神经网络用于判别分析是一个新的研究课题,给出学习向量量化神经网络在判别分析上的应用.计算实例表明,用学习向量量化神经网络用于分类是准确和可靠的.

关键词：学习向量量化神经网络主成分判别分析

基于双分辨率S变换和学习向量量化神经网络的电能质量扰动检测方法

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2019年第16期34卷 3453-3463页

作者：李建闽林海军梁成斌滕召胜成达湖南师范大学工程与设计学院长沙410081 湖南大学电气与信息工程学院长沙410082 中国电力科学研究院北京100192

随着实际电网中非线性负荷以及冲击性负荷的不断增加,电能质量问题日趋严重。实现电能质量扰动信号的准确、快速检测对于查找电能质量问题根源、改善电能质量、确保电网安全、保障经济稳定具有重大意义。为此,提出一种基于双分辨率S变... 详细信息

随着实际电网中非线性负荷以及冲击性负荷的不断增加,电能质量问题日趋严重。实现电能质量扰动信号的准确、快速检测对于查找电能质量问题根源、改善电能质量、确保电网安全、保障经济稳定具有重大意义。为此,提出一种基于双分辨率S变换和学习向量量化(LVQ)神经网络的电能质量扰动信号检测方法。算法先采用双分辨率S变换实现扰动信号特征向量的准确、快速提取。在获得扰动信号的特征向量后对各特征向量进行归一化处理并利用经过训练的LVQ神经网络对扰动信号进行分类识别。仿真和实际测试结果表明,该文提出的基于双分辨率S变换和LVQ神经网络的电能质量扰动检测算法具有训练速度快、分类准确率高、适合嵌入式实现等优点。

关键词：电能质量扰动分类 S变换学习向量量化神经网络时频分析

基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

在线全文

学校读者我要写书评

暂无评论

汽车工程学报 2023年第5期13卷 635-644页

作者：郑国峰陈文傅涛重庆交通大学机电与车辆工程学院重庆400074 凯晟汽车技术(上海)有限公司上海201802

开展车辆制动时路面类型识别的研究,提出一种基于主成分分析-学习向量量化神经网络(Principal Component Analysis—Learning Vector Quantization,PCA-LVQ)的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理,提取能表... 详细信息

开展车辆制动时路面类型识别的研究,提出一种基于主成分分析-学习向量量化神经网络(Principal Component Analysis—Learning Vector Quantization,PCA-LVQ)的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理,提取能表征路面特征的主要成分,采用学习向量量化神经网络对降维处理后的驾驶数据进行训练,并用于路面特征分类,使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明,所提出的PCA-LVQ算法能准确识别路面类型特征,路面识别的精度达到97%,与传统BP神经网络的路面类型特征识别精度提升7%;同时,在不同车速下,基于PCA-LVQ算法也能较准确地识别路面类型特征。

关键词：主成分分析学习向量量化神经网络制动工况路面类型特征识别

基于模糊C均值聚类及学习向量量化神经网络的负荷同时系数预测模型

在线全文

学校读者我要写书评

暂无评论

南京理工大学学报 2020年第5期44卷 567-574页

作者：李江杨润冰于文双杨铮巩彦江叶宝柱国网冀北电力有限公司唐山供电公司河北唐山063000

针对变压器及电缆容量确定问题,该文以负荷同时系数(LSF)预测为目标,建立考虑社会发展水平、人口构成、负荷类型的LSF影响因素指标体系。应用模糊C均值聚类对台区负荷的用电类型进行划分,基于学习向量量化(LVQ)神经网络建立LSF预测模型... 详细信息

针对变压器及电缆容量确定问题,该文以负荷同时系数(LSF)预测为目标,建立考虑社会发展水平、人口构成、负荷类型的LSF影响因素指标体系。应用模糊C均值聚类对台区负荷的用电类型进行划分,基于学习向量量化(LVQ)神经网络建立LSF预测模型。该预测模型具有自动确定LSF影响因素权重、针对不同类型综合负荷预测的选择性强、便于依据实测数据更新模型参数的特点。LSF预测精度提高,为配变定容提供了有利依据。应用京津唐地区实际负荷验证了该文LSF预测方法的有效性。

关键词：负荷同时系数模糊C均值聚类学习向量量化神经网络变压器电缆容量

基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

在线全文

学校读者我要写书评

暂无评论

基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

车联网数据的PCA-LVQ行驶工况识别方法与测试

2023中国汽车工程学会年会暨展览会

作者：郑国峰陈文傅涛重庆交通大学机电与车辆工程学院

开展车辆制动时识别路面类型的研究,提出一种基于主成分分析-学习向量量化神经网络(Principal Component Analysis-Learning Vector Quantization,PCA-LVQ)的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理,提取能表征... 详细信息

开展车辆制动时识别路面类型的研究,提出一种基于主成分分析-学习向量量化神经网络(Principal Component Analysis-Learning Vector Quantization,PCA-LVQ)的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理,提取能表征路面特征的主要成分,采用学习向量量化神经网络对降维处理后的驾驶数据进行训练,并用于路面特征分类,使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明,所提出的PCA-LVQ算法能准确识别路面类型特征,路面识别的精度达到97%,与传统基于BP神经网络的路面类型特征识别相比精度提升7%;同时,在不同车速下,基于PCA-LVQ算法也能较准确地识别路面类型特征。

关键词：主成分分析学习向量量化神经网络制动工况路面类型特征识别

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

重庆理工大学学报（自然科学） 2022年第6期36卷 96-104页

作者：郑国峰林鑫张承伟肖攀张学东中国汽车工程研究院股份有限公司重庆401122 重庆交通大学机电与车辆工程学院重庆400074

提出了基于主成分分析-学习向量量化(PCA-LVQ)神经网络智能算法的行驶工况的识别方法。基于用户车联网数据,通过运动学片段划分后,首先对速度、刹车频次、驾驶时间等多维度特征参数进行主成分分析(principal component analysis,PCA),... 详细信息

提出了基于主成分分析-学习向量量化(PCA-LVQ)神经网络智能算法的行驶工况的识别方法。基于用户车联网数据,通过运动学片段划分后,首先对速度、刹车频次、驾驶时间等多维度特征参数进行主成分分析(principal component analysis,PCA),实现输入信息降维处理,避免冗余信息带来的识别误差。其次将降维后的信息输入到LVQ神经网络模型中进行训练,并将模型用于用户典型驾驶工况的识别,分别对模型识别的影响因素进行研究。结果表明:基于PCA-LVQ智能算法的行驶工况识别方法能够有效进行工况识别,工况识别的精度与运动学片段长度相关,还受训练样本量和识别量的影响,但不受工况顺序影响。

关键词：主成分分析学习向量量化神经网络工况识别车联网数据

在线全文

学校读者我要写书评

暂无评论

电动汽车城市道路行驶工况识别研究

电动汽车城市道路行驶工况识别研究

作者：吴若园广西科技大学

学位级别：硕士

随着经济高速发展,资源消耗和环境污染日益严重,电动汽车的发展有助于实现节能减排。研究电动汽车行驶工况识别技术对开发设计新车型、测试污染物排放、优化能量管理策略、提高整车性能有重要意义。本课题针对电动汽车城市道路行驶工况... 详细信息

随着经济高速发展,资源消耗和环境污染日益严重,电动汽车的发展有助于实现节能减排。研究电动汽车行驶工况识别技术对开发设计新车型、测试污染物排放、优化能量管理策略、提高整车性能有重要意义。本课题针对电动汽车城市道路行驶工况的识别问题,进行了以下工作:(1)按照电动汽车在城市道路上行驶的实际情况,以及我国现行的有关电动汽车的标准工况制定短行程规则。按照短行程规则,进行行驶数据处理与短行程片段划分,得到了 2923个短行程片段的行驶数据。使用主成分分析和K-means聚类分析分类短行程片段,按照交通拥挤度较高的城市道路低速行驶和频繁起/停工况、交通拥挤度较低的城市道路行驶工况、城市郊区混合行驶工况和城市快速道路行驶工况这四种行驶工况划分。将这四种工况的行驶数据作为智能混合搜索算法中分类器训练和测试所需的数据集。(2)提出了一种智能混合搜索算法来解决行驶工况特征参数选择问题。该混合搜索算法由粒子群算法与禁忌搜索算法结合而得。使用粒子群算法对行驶工况特征参数的分段参数部分的参数边界进行搜索和优化,由此计算出行驶工况特征参数全集;使用禁忌搜索算法在全集中进行搜索,选择出行驶工况特征参数最优子集。结果表明:提出的算法选择出11个特征参数组成的最优子集使随机森林分类器的识别准确度达到87.74%的较高水准,且能在较短计算时间内选择出特征参数最优子集。(3)建立了一种行驶工况识别模型。该模型由学习向量量化神经网络构成,使用由智能混合搜索算法选择出的行驶工况特征参数最优子集:平均速度(?)、速度标准差σ、平均加速度(?)、平均减速度(?)、减速度标准差σ、加速度平方的平均值(?)、速度大于0小于13.93km/h的时间占总时间的百分比η-13.93、速度大于13.93km/h小于77.42km/h的时间占总时间的百分比η-77.42、减速度大于-2.27m/s小于-0.61m/s的时间占总时间的百分比η--0.61、加速度小于0.09m/s的时间占总时间的百分比η0.09a和加速度大于0.09m/s小于2.25m/s2的时间占总时间的百分比η-2.25这11个特征参数作为输入来描述构成各工况的短行程片段特征,并将电动汽车城市道路行驶工况的4个类别作为期望输出。通过对学习向量量化神经网络模型的训练和测试,其总识别准确率达到了 92.11%。为降低学习向量量化神经网络的竞争层神经元个数设置不合理对识别模型造成的不良影响,采用K折交叉验证的方法对竞争层神经元个数进行寻优,获得优化后的学习向量量化神经网络工况识别模型。优化后的识别模型对4种电动汽车城市道路行驶工况的识别准确度都优于优化前的识别模型,且总识别准确率达到了 93.65%。结果表明:学习向量量化神经网络用于电动汽车城市道路行驶工况识别是有效的,并具有较高的识别精度。

关键词：电动汽车行驶工况特征参数最优子集智能混合搜索算法学习向量量化神经网络

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

薏仁种类的近红外光谱技术快速鉴别

光谱学与光谱分析 2014年第5期34卷 1259-1263页

作者：刘星毛丹卓王正武杨永健上海交通大学农业与生物学院食品科学与工程系上海200240 上海市食品药品检验所上海201203

薏仁是一种药食两用资源,对其品质快速鉴别的需求也越来越多,近红外光谱技术(near infrared spectroscopy,NIRS)作为一种快速、无损且环保的方法正适合这一需求。以不同产地和品种薏仁的近红外光谱为基础,结合化学计量学方法对薏仁种类... 详细信息

薏仁是一种药食两用资源,对其品质快速鉴别的需求也越来越多,近红外光谱技术(near infrared spectroscopy,NIRS)作为一种快速、无损且环保的方法正适合这一需求。以不同产地和品种薏仁的近红外光谱为基础,结合化学计量学方法对薏仁种类进行鉴别。对原光谱用无监督学习算法主成分分析(principal component analysis,PCA)和有监督学习算法学习向量量化(learning vector quantization,LVQ)神经网络、支持向量机(support vector machine,SVM)进行定性判别分析。由于不同地区和不同品种的薏仁营养物质组成复杂且含量相近,所选两类薏仁的特征变量很相似,因而PCA得分图重叠严重,很难区分;而LVQ神经网络和SVM都能得到满意结果,LVQ神经网络的预测正确率为90.91%,SVM在经过惩罚参数和核函数参数优选后,分类准确率能达到100%。结果表明:近红外光谱技术结合化学计量学方法可作为一种快速、无损、可靠的方法用于薏仁种类的鉴别,并为市场规范提供技术参考。

关键词：薏仁近红外光谱支持向量机学习向量量化神经网络定性判别

基于LVQ的煤矿城市生态风险评价指标时间尺度特征

在线全文

学校读者我要写书评

暂无评论

应用生态学报 2015年第3期26卷 867-874页

作者：彭建陶静娴刘焱序北京大学城市与环境学院/地表过程分析与模拟教育部重点实验室北京100871

生态风险评价指标在时间尺度上的表征效果是不一致的,因而有必要基于生态风险评价指标的时间尺度特征分析,探索生态风险动态评价方法.本文以辽宁省5个典型煤矿城市为研究对象,采用学习向量量化神经网络(learning vector quantization,L... 详细信息

生态风险评价指标在时间尺度上的表征效果是不一致的,因而有必要基于生态风险评价指标的时间尺度特征分析,探索生态风险动态评价方法.本文以辽宁省5个典型煤矿城市为研究对象,采用学习向量量化神经网络(learning vector quantization,LVQ)定量分析生态风险评价指标的重要性,进而明晰其时间尺度特征,并提出煤矿城市风险"长期-短期"时间二维动态表征方法.结果表明:单位产值工业SO2去除量、单位产值工业粉尘去除量、城市园林绿地面积覆盖率、降水量、子系统协调度、矿业从业人数百分比、污染治理项目本年度完成投资等为长时间尺度指标,其余指标偏向反映生态风险的短期特征;长、短时间尺度指标相结合,能够反映煤矿城市两个时间维度上的生态风险动态水平.其中,阜新市现状风险值最大,抚顺市短期风险上升幅度最高,朝阳市长期风险上升幅度最高.基于LVQ的评价指标时间尺度特征分析,对于煤矿城市生态风险的动态防范与综合管理具有重要指示意义.

关键词：生态风险动态评价 “长期-短期”时间二维尺度学习向量量化神经网络煤矿城市

基于EMD和LVQ的信号特征提取及分类方法

在线全文

学校读者我要写书评

暂无评论

数据采集与处理 2014年第5期29卷 683-687页

作者：余炜周娅马晶晶万代立刘伦张灿斌昆明理工大学信息工程与自动化学院昆明650500 成都工业学院电气与电子工程系成都611730

针对非平稳、非线性、微弱信号难以分析和处理的特点,本文提出了一种基于经验模式分解和学习向量量化神经网络的信号处理和分类方法,并在生物信号处理领域(左、右手运动想象的脑电信号)进行了研究和应用。首先通过经验模式分解算法对脑... 详细信息

针对非平稳、非线性、微弱信号难以分析和处理的特点,本文提出了一种基于经验模式分解和学习向量量化神经网络的信号处理和分类方法,并在生物信号处理领域(左、右手运动想象的脑电信号)进行了研究和应用。首先通过经验模式分解算法对脑电信号分解,然后选取主要固有模态函数分量并计算其绝对均值作为特征值,最后使用学习向量量化网络进行分类,并分别与支持向量机和误差反向传播神经网络分类算法进行了对比研究。实验结果表明,所提出的算法分类正确率达到了87%,相比于其余两种对比算法在特定的信号处理领域优越,具有一定的参考和研究价值。

关键词：经验模式分解学习向量量化神经网络脑-机接口脑电信号