检索结果-内蒙古大学图书馆

计算机应用 2013年第11期33卷 3141-3143页

作者：陈景波常熟理工学院电气与自动化工程学院江苏常熟215500

为了提高食用油掺伪检测效果,基于食用油的高效液相色谱数据,提出了一个新的多标号学习矢量量化算法(ML-LVQ),并应用于食用油的掺伪检测中。它每次调整两个原型使排序损失的上界最小,并通过元标号分类器确定多标号的数目,从而达到同时优... 详细信息

为了提高食用油掺伪检测效果,基于食用油的高效液相色谱数据,提出了一个新的多标号学习矢量量化算法(ML-LVQ),并应用于食用油的掺伪检测中。它每次调整两个原型使排序损失的上界最小,并通过元标号分类器确定多标号的数目,从而达到同时优化ranking准则函数和bipartitions准则函数的目的。在9类纯油以及它们的混合油样本的数据集上测试的结果表明,ML-LVQ取得了比改进的***算法更好的性能。

关键词：多标号算法学习矢量量化算法元标号分类器高效液相色谱法食用油掺伪检测

来源：评论

学校读者我要写书评

暂无评论

基于局部化原理和概率模型的LVQ改进算法

引用

计算机学报 2003年第5期26卷 626-629页

作者：叶少珍吴鸣锐张钹郑文波马少平清华大学计算机科学与技术系智能技术与系统国家重点实验室北京100084 福州大学信息科学与技术学院福州350002

利用局部化原理和概率模型的优化方法 ,提出一种LVQ改进算法———基于局部化原理和概率模型的LVQ算法 (LocalizationprincipleandProbabilitybasedLVQ ,LoPLVQ) .与传统LVQ算法相比 ,不仅缩短训练时间 ,而且具有较高的识别率 .实验结... 详细信息

利用局部化原理和概率模型的优化方法 ,提出一种LVQ改进算法———基于局部化原理和概率模型的LVQ算法 (LocalizationprincipleandProbabilitybasedLVQ ,LoPLVQ) .与传统LVQ算法相比 ,不仅缩短训练时间 ,而且具有较高的识别率 .实验结果表明改进算法可用来解决大规模的模式识别问题 .

关键词：模式识别局部化原理概率模型 LVQ改进算法学习矢量量化算法计算机

来源：评论

学校读者我要写书评

暂无评论

CVT混合动力汽车实时优化能量管理策略研究

CVT混合动力汽车实时优化能量管理策略研究

引用

作者：熊焕剑湖南大学

学位级别：硕士

随着社会的发展和生活水平的不断提高,人们对出行的需求日益增加。不仅给汽车工业带来了巨大的发展机遇,也带来了能源危机和环境污染等问题。CVT混合动力汽车不依赖充电设施,并具有速比连续变化的优势,以其显著的燃油经济性和排放性,被... 详细信息

随着社会的发展和生活水平的不断提高,人们对出行的需求日益增加。不仅给汽车工业带来了巨大的发展机遇,也带来了能源危机和环境污染等问题。CVT混合动力汽车不依赖充电设施,并具有速比连续变化的优势,以其显著的燃油经济性和排放性,被认为是现阶段最具有市场前景的新能源汽车之一。然而,如何发挥CVT混合动力汽车燃油经济性和排放性优势的关键是实时优化能量管理策略。本文以某款CVT混合动力汽车作为研究对象,从实时优化能量管理策略进行深入研究,具体工作如下:(1)对CVT混合动力汽车进行了主要传动系统参数匹配,针对实时控制系统,建立了前向仿真模型,并通过底盘测功机验证了主要传动系统模型的准确性。(2)建立了以CVT目标速比和转矩分配系数为控制变量的等效燃油消耗最小策略(ECMS)控制模型。并考虑CVT速比变化率和发动机启停等物理约束,建立多目标优化的等效燃油消耗最小策略(M-ECMS),通过Matlab/Simulink仿真验证了策略的动力性和可行性。(3)由于等效因子的估计严重依赖于行驶工况的预先信息,并且其估计的准确性对ECMS的效果影响很大。通过对标准工况的分析,基于规则和等效因子的分布选择出代表性行驶工况,并训练基于学习矢量量化算法(LVQ)的工况识别器,通过Matlab/Simulink仿真验证了LVQ工况识别器的在线识别效果。(4)搭建基于工况识别的自适应策略,针对行驶工况发生变化时的电池SOC不一致的问题,引入电池SOC修正代表性行驶工况的等效因子,并约束其变化的边界及定义边界范围,通过Matlab/Simulink仿真验证了该策略的燃油经济性和工况适应性。

关键词： CVT混合动力汽车实时优化能量管理策略等效燃油消耗最小策略极小值原理工况识别学习矢量量化算法

来源：评论

学校读者我要写书评

暂无评论

基于神经网络的指纹识别方法研究

基于神经网络的指纹识别方法研究

引用

作者：张宏伟同济大学

学位级别：硕士

神经网络(Neural Network, NN)目前正处于蓬勃发展的时期，其在各方面的应用也不断涌现。而指纹识别是一个相对古老的话题，在门禁、考勤、刑侦等领域已经广泛应用。本课题将神经网络和指纹识别相结合，旨在提高指纹识别的识别效率，降... 详细信息

神经网络(Neural Network, NN)目前正处于蓬勃发展的时期，其在各方面的应用也不断涌现。而指纹识别是一个相对古老的话题，在门禁、考勤、刑侦等领域已经广泛应用。本课题将神经网络和指纹识别相结合，旨在提高指纹识别的识别效率，降低指纹图片存储容量，提高指纹识别准确率，主要包括指纹向量化和基于神经网络的指纹识别两部分内容。　　对于指纹向量化，目前的指纹识别软件大都是基于传统的图像处理算法，通常需要对两个指纹图像进行指纹前景提取、配准、方向场计算、图像增强、特征点提取和匹配等，具有运算量大、存储空间大等问题。如今指纹识别虽然在各领域应用广泛，但绝大部分是面向小数据量的应用场景。如果指纹数据规模很大，其识别准确率和识别效率会受到很大的影响。本文提出的指纹向量化是为了降低指纹图片存储容量，提高运算效率，并且为神经网络进行指纹识别完成预处理的工作。　　指纹识别经典算法已经研究了二十多年，方法日趋成熟，精确度很难大幅提升。当前神经网络在目标分类、检测与识别等方面取得了先进的成果，尤其在大规模人脸识别方面已经超过了人类的识别能力。基于神经网络的指纹识别方法，如果用来实现指纹识别经典算法中的一些预处理过程，应用GPU运算提高运算效率的同时还可以提升指纹识别的精确度。　　本文的主要工作包括：　　1、针对大规模指纹库导致的指纹存储问题以及复杂的指纹角度、大小配准过程，提出了一种新的指纹向量化算法，将指纹图像用一个含有指纹细节点信息的多维向量来表示，保证该向量不受指纹按压时角度、按压时力度的大小导致图像大小不等的影响，并将向量作为指纹识别神经网络的输入。　　2、基于已实现的提取指纹细节点的神经网络，设计了后续的通过神经网络进行指纹识别的过程。在细节点提取完成之后进行向量化，基于学习矢量量化(Learning Vector Quantizaion，LVQ)算法，提出动态LVQ算法，使得训练出来的网络模型达到很好的识别效果。基于不同维度的向量，在NISTSD09的4000对数据集进行了验证，达到了99%以上的准确率。　　3、对于大规模指纹库来说，任何指纹识别精度都达不到100%，往往检索到的是待匹配指纹的一个规模不大的集合。为了从指纹待匹配数据集选取出目标指纹，需要选择合适的向量比较方法，本文对比分析了欧式距离、夹角余弦等算法的效果，结合指纹的实际情况，给出更为合适的向量距离计算方法。　　实验表明，本文提出的指纹向量化和神经网络指纹识别算法能提高指纹识别的速度，降低指纹存储容量，并且达到很好的识别准确率。当指纹识别结果是一个集合的时候，向量比较算法中欧式距离的表现更佳。

关键词：指纹识别神经网络图像处理学习矢量量化算法向量距离

来源：评论

学校读者我要写书评

暂无评论

基于ART-ACO-LVQ复合算法的变压器故障诊断研究

引用

电气应用 2022年第10期41卷 31-37页

作者：高忠江周有为钟雨哲童建林余代海中冶赛迪电气技术有限公司重庆400010

为了提高变压器故障诊断的效率,提出了一种基于ART-ACO-LVQ复合神经网络算法的变压器故障诊断方法。首先针对ART2神经网络算法基本原理进行分析;然后利用ACO算法对ART2神经网络算法进行结合,进而对其初始权值进行优化;接着再结合有监督... 详细信息

为了提高变压器故障诊断的效率,提出了一种基于ART-ACO-LVQ复合神经网络算法的变压器故障诊断方法。首先针对ART2神经网络算法基本原理进行分析;然后利用ACO算法对ART2神经网络算法进行结合,进而对其初始权值进行优化;接着再结合有监督学习特点的LVQ神经网络算法,并提出基于ART-ACO-LVQ复合算法的变压器故障诊断方法;最后利用该复合方法对不同的变压器故障类型进行仿真分析。其仿真结果表明:通过基于ART-ACO-LVQ复合神经网络算法能够有效识别不同类型的变压器故障,对25个测试样本识别正确率达到100%,而利用ART2神经网络算法和ART-ACO神经网络算法的诊断结果正确率仅分别为68%和84%。进而表明所提的一种基于ART-ACO-LVQ复合神经网络算法的变压器故障诊断方法具有较高的正确性以及可靠性,其结果具有一定的工程实际意义。

关键词：故障诊断自适应共振蚁群算法学习矢量量化算法复合神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：