检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于粒子群优化的核函数参数选优

江南大学学报（自然科学版） 2010年第4期9卷 444-447页

作者：李蓉一赵瑾申忠宇南京师范大学电气与自动化工程学院

核主元分析的性能受本身核函数参数的影响,为了优化核函数参数,提高核主元分析的性能,在研究粒子群优化算法的基础上,提出了基于粒子群优化的核函数参数选优方法,有效地提高了核函数参数的优化,减少了其设置的盲目性。该方法综合考虑样... 详细信息

核主元分析的性能受本身核函数参数的影响,为了优化核函数参数,提高核主元分析的性能,在研究粒子群优化算法的基础上,提出了基于粒子群优化的核函数参数选优方法,有效地提高了核函数参数的优化,减少了其设置的盲目性。该方法综合考虑样本的类内离散度和类间距离,建立核函数参数优化的数学模型,应用粒子群优化算法对其寻优,通过仿真验证了该方法的有效性。

关键词：粒子群优化核主元分析核函数参数

兼顾后续分类器的小波特征选择及在模拟电路故障诊断中的应用

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2010年第11期31卷 2508-2514页

作者：崔江王友仁南京航空航天大学自动化学院南京210016

针对模拟电路故障诊断中的特征选择问题,提出了一种兼顾后续支持向量机分类器的小波特征选择技术。新方法利用核函数把特征的评估标准映射至高维空间进行计算,从而在特征的评估和后续支持向量机分类器之间建立联系,并在特征选择阶段解... 详细信息

针对模拟电路故障诊断中的特征选择问题,提出了一种兼顾后续支持向量机分类器的小波特征选择技术。新方法利用核函数把特征的评估标准映射至高维空间进行计算,从而在特征的评估和后续支持向量机分类器之间建立联系,并在特征选择阶段解决了核函数的参数设计问题。另外,新方法考虑了所需故障分类器的结构信息,因此选择的小波特征更适合后续分类器使用,从而能够提高模拟电路故障的诊断精度。仿真和实际电路的实验结果均验证了所提出技术的有效性和正确性。

关键词：模拟电子电路故障诊断小波分析特征选择支持向量机分类器核函数参数

基于改进灰狼算法与最小二乘支持向量机耦合的电力变压器故障诊断方法

在线全文

学校读者我要写书评

暂无评论

电网技术 2023年第4期47卷 1470-1477页

作者：李云淏咸日常张海强赵飞龙李嘉洋王玮李增悦山东理工大学电气与电子工程学院山东省淄博市255049 国网山东省电力公司淄博供电公司山东省淄博市255000

电力变压器运行故障的准确诊断有利于提高变电设备状态检修和电网安全运行水平,为实现故障的准确分类,文章以油中溶解的5种典型气体作为故障诊断的特征量,提出一种基于改进灰狼算法与最小二乘支持向量机耦合的电力变压器故障诊断方法。... 详细信息

电力变压器运行故障的准确诊断有利于提高变电设备状态检修和电网安全运行水平,为实现故障的准确分类,文章以油中溶解的5种典型气体作为故障诊断的特征量,提出一种基于改进灰狼算法与最小二乘支持向量机耦合的电力变压器故障诊断方法。该方法通过改进灰狼算法寻求最小二乘支持向量机中的最优惩罚系数C和核函数参数g,用以提高故障诊断的准确率。首先阐明最小二乘支持向量机和灰狼算法的改进点并将二者耦合,将其代入413组电力变压器的油中溶解气体检测数据来诊断故障类型,与其他诊断方法进行对比;其次研究惩罚系数C和核函数参数g对电力变压器故障类型识别准确率的影响规律;最后借助训练后的改进灰狼算法与最小二乘支持向量机耦合方法,通过两台不同电压等级的变压器故障实例分析,验证了故障诊断方法的有效性。研究结果表明:相较于单一使用最小二乘支持向量机和传统灰狼算法与最小二乘支持向量机耦合,改进灰狼算法与最小二乘支持向量机耦合方法对电力变压器故障诊断的准确率分别提高了14%和7%。此外,惩罚系数C和核函数参数g对电力变压器故障类型识别准确率的影响呈现非线性规律,凸显了通过智能算法找到最优解的便捷性、必要性、有效性。

关键词：改进灰狼算法最小二乘支持向量机惩罚系数核函数参数电力变压器油中气体故障诊断

在线全文

学校读者我要写书评

暂无评论

基于粒子群优化的核主元分析特征的提取技术

振动．测试与诊断 2009年第2期29卷 162-166页

作者：魏秀业潘宏侠王福杰中北大学机械工程与自动化学院太原030051

针对核主元分析在参数设置上的盲目性,提出应用粒子群优化算法优化核函数参数,并将核主元分析应用于特征提取中。首先建立核函数参数优化的数学模型,然后应用加速度自适应粒子群优化算法对其寻优,并通过Iris数据集进行仿真研究,验证其... 详细信息

针对核主元分析在参数设置上的盲目性,提出应用粒子群优化算法优化核函数参数,并将核主元分析应用于特征提取中。首先建立核函数参数优化的数学模型,然后应用加速度自适应粒子群优化算法对其寻优,并通过Iris数据集进行仿真研究,验证其提取特征的有效性。将优化的核主元分析方法应用于齿轮箱典型故障的特征提取中,结果表明:参数优化的核主元分析能有效降低齿轮箱特征向量的维数,较线性主元分析取得更好的故障识别效果。该方法在机械故障信号的非线性特征提取中具有优势。

关键词：粒子群优化核主元分析特征提取核函数参数故障诊断齿轮箱

在线全文

学校读者我要写书评

暂无评论

基于网格搜索的支持向量机砂土液化预测模型

应用力学学报 2011年第1期28卷 24-28,107页

作者：张向东冯胜洋王长江辽宁工程技术大学阜新123000 中铁九局集团有限公司沈阳110013

在使用支持向量机对砂土液化进行预测时,不可避免地会遇到惩罚因子和核函数参数如何选取的问题,目前还没有确定这两个参数的选择模式,解决这一问题比较常用的办法有经验公式法、遗传算法和网格搜索法。对此本文基于网格搜索方法,使用LIB... 详细信息

在使用支持向量机对砂土液化进行预测时,不可避免地会遇到惩罚因子和核函数参数如何选取的问题,目前还没有确定这两个参数的选择模式,解决这一问题比较常用的办法有经验公式法、遗传算法和网格搜索法。对此本文基于网格搜索方法,使用LIBSVM软件包,寻找砂土液化训练样本的结构风险最小值所对应的支持向量机最优参数;使用最优参数,建立了支持向量机砂土液化预测模型。研究结果表明:预测样本的正确率可达87.5%,而且预测结果稳定;同时通过比较BP神经网络的砂土液化预测情况,可知支持向量机有更好的泛化能力,收敛速度也更快。

关键词：砂土液化预测支持向量机网格搜索惩罚因子核函数参数

采用sEMG的手势识别用APSO/CS-SVM方法

在线全文

学校读者我要写书评

暂无评论

电子测量与仪器学报 2020年第7期32卷 1-7页

作者：徐云王福能浙江理工大学机械与自动控制学院杭州310098

针对基于参数寻优的支持向量机(SVM)方法存在早熟收敛、全局寻优能力差、局部寻优精度低等问题,提出一种自适应粒子群/布谷鸟(APSO/CS)参数寻优方法,旨在实现SVM模型中核函数参数、惩罚因子的优化。测试函数分别对APSO/CS、APSO、CS的... 详细信息

针对基于参数寻优的支持向量机(SVM)方法存在早熟收敛、全局寻优能力差、局部寻优精度低等问题,提出一种自适应粒子群/布谷鸟(APSO/CS)参数寻优方法,旨在实现SVM模型中核函数参数、惩罚因子的优化。测试函数分别对APSO/CS、APSO、CS的参数寻优性能进行了对比分析,表明APSO/CS寻优能够加快局部和全局寻优的收敛速度。采用表面肌电信号(sEMG)对APSO/CS、APSO、CS寻优的SVM方法进行了手势识别对比测试,实验测试结果表明,采用APSO/CS寻优的SVM方法进行手势识别时正确率最高,最高正确率可达94.50%,该方法可为识别分类算法提供一种新思路。

关键词：支持向量机 APSO/CS 惩罚因子核函数参数参数寻优手势识别

在线全文

学校读者我要写书评

暂无评论

RVM核参数的遗传算法优化方法

控制工程 2010年第3期17卷 335-337,342页

作者：李刚王贵龙薛惠锋西安工业大学经管学院陕西西安710032 西北工业大学自动化学院陕西西安710072

核函数的参数严惩影响RVM的综合性能。为求得稀疏解、避免过拟合,提出使用遗传算法针对问题背景自动优化核函数的参数。在适应度函数评判下,种群经过选择、交叉和变异迭代进化,高效率地得到最优解,在定义RVM回归性能综合评判批准Fitnes... 详细信息

核函数的参数严惩影响RVM的综合性能。为求得稀疏解、避免过拟合,提出使用遗传算法针对问题背景自动优化核函数的参数。在适应度函数评判下,种群经过选择、交叉和变异迭代进化,高效率地得到最优解,在定义RVM回归性能综合评判批准Fitness作为适应度函数的基础上,使用Matlab遗传算法工具箱和改进的Tipping程序获取sinc数据最优核函数参数,实验证明遗传算法可以高效准备地优化RVM核参数,特别对于具有较多参数的核函数更具实用性。

关键词：关联向量机核函数参数综合评判标准遗传算法

在线全文

学校读者我要写书评

暂无评论

基于粒子群优化的核主元分析的故障状态识别

机械科学与技术 2009年第12期28卷 1546-1550页

作者：魏秀业潘宏侠黄晋英王福杰中北大学机械工程与自动化学院太原030051

提出一种基于粒子群优化的核主元分析的方法,并将其应用于齿轮箱的故障状态识别中。综合考虑样本的类内散布和类间散布,建立了核函数参数优化的适应度函数,应用加速度自适应粒子群优化算法对其寻优,将优化的核主元分析方法应用于齿轮箱... 详细信息

提出一种基于粒子群优化的核主元分析的方法,并将其应用于齿轮箱的故障状态识别中。综合考虑样本的类内散布和类间散布,建立了核函数参数优化的适应度函数,应用加速度自适应粒子群优化算法对其寻优,将优化的核主元分析方法应用于齿轮箱故障状态识别中,并与主元分析的识别结果进行比较。结果表明:基于粒子群优化的核主元分析技术,通过优化核参数减少了其设置的盲目性,可有效地识别齿轮箱的不同故障状态,且故障识别结果优于主元分析。结论是:基于粒子群优化的核主元分析对于机械故障的非线性特征提取具有优势,有利于复杂机械的故障状态识别。

关键词：粒子群优化核主元分析核函数参数特征提取齿轮箱状态识别

在线全文

学校读者我要写书评

暂无评论

基于交叉验证支持向量机储层预测方法及应用

科学技术与工程 2020年第13期20卷 5052-5057页

作者：张军华任雄风赵杰谭明友于正军中国石油大学(华东)地球科学与技术学院青岛266580 胜利油田物探研究院东营257022

东营凹陷深部储层埋深大,构造及相带变化复杂,钻遇目标层的井少,储层预测有很大的困难。以东营凹陷东部孔一段为例,将适合较小样本预测的支持向量机方法(support vector machine,SVM)应用到储层预测中。为了提高预测精度,惩罚因子选取... 详细信息

东营凹陷深部储层埋深大,构造及相带变化复杂,钻遇目标层的井少,储层预测有很大的困难。以东营凹陷东部孔一段为例,将适合较小样本预测的支持向量机方法(support vector machine,SVM)应用到储层预测中。为了提高预测精度,惩罚因子选取和核函数参数训练过程中引入了交叉验证。输入样本为井点处的地震属性和储层厚度,属性通过井震关系优选,选取的是带宽、能量半时、最大振幅、均方根振幅、过零点个数和弧长等6种属性。预测结果表明,本文方法较常规的多元线性回归、不加交叉验证的SVM方法,有更高的预测精度,在深层勘探中有推广价值。

关键词：支持向量机惩罚因子核函数参数地震属性储层厚度