检索结果-内蒙古大学图书馆

系统工程与电子技术 2007年第1期29卷 87-91页

作者：廖东平姜斌魏玺章黎湘庄钊文国防科技大学电子科学与工程学院空间电子信息技术研究所湖南长沙410073

针对渐进直推式支持向量机学习算法存在每次标注的无标签样本数太少,当样本较多时,频繁的成对标注和重复训练使得该算法复杂及增加的缺陷,提出了一种快速算法。该算法在训练过程中利用区域标注法取代PTSUML的成对标注法,在继承了其渐进... 详细信息

针对渐进直推式支持向量机学习算法存在每次标注的无标签样本数太少,当样本较多时,频繁的成对标注和重复训练使得该算法复杂及增加的缺陷,提出了一种快速算法。该算法在训练过程中利用区域标注法取代PTSUML的成对标注法,在继承了其渐进赋值和动态调整的规则的同时,提高了算法的速度。雷达实测数据实验结果表明该算法是有效的。

关键词：统计学习理论支持向量机直推式学习目标识别

来源：评论

学校读者我要写书评

暂无评论

基于支持向量机的故障诊断方法

引用

华东理工大学学报（自然科学版） 2004年第2期30卷 179-182页

作者：王华忠张雪申俞金寿华东理工大学自动化研究所上海200237

提出了基于支持向量机的故障诊断方法和步骤。诊断实例表明,与神经网络故障诊断方法相比,诊断小样本分析的支持向量机故障诊断方法具有分类能力强、推广能力好的特点。

关键词：支持向量机故障诊断统计学习理论

来源：评论

学校读者我要写书评

暂无评论

岩爆预测的支持向量机

引用

东北大学学报（自然科学版） 2002年第1期23卷 57-59页

作者：冯夏庭赵洪波东北大学资源与土木工程学院辽宁沈阳110004 中国科学院武汉岩土力学研究所湖北武汉430071

针对岩爆预测问题 ,提出了基于支持向量机的预测方法 ,通过对影响岩爆因素的分析 ,然后运用支持向量机理论建立岩爆预测的支持向量机模型·结果表明 ,基于支持向量机的岩爆预测方法具有较高的准确率 ,该方法是科学可行的 ,具有广泛... 详细信息

针对岩爆预测问题 ,提出了基于支持向量机的预测方法 ,通过对影响岩爆因素的分析 ,然后运用支持向量机理论建立岩爆预测的支持向量机模型·结果表明 ,基于支持向量机的岩爆预测方法具有较高的准确率 ,该方法是科学可行的 ,具有广泛的应用前景·

关键词：统计学习理论支持向量机岩爆预测方法预测模型机器学习矿山安全

来源：评论

学校读者我要写书评

暂无评论

核Hebbian算法在加氢脱芳烃过程中的建模应用

引用

化工学报 2007年第6期58卷 1518-1522页

作者：王海清宋执环李平浙江大学工业控制技术国家重点实验室浙江杭州310027

提出一种采用改进核Hebbian算法的加氢脱芳烃过程的递推产品质量建模方法,用于实时估计终端分馏产品的质量指标。通过利用核Hebbian算法的中间结果,计算中心化的核矩阵特征值,进而由核主元回归方法得到非线性动态质量模型。该递推滑动... 详细信息

提出一种采用改进核Hebbian算法的加氢脱芳烃过程的递推产品质量建模方法,用于实时估计终端分馏产品的质量指标。通过利用核Hebbian算法的中间结果,计算中心化的核矩阵特征值,进而由核主元回归方法得到非线性动态质量模型。该递推滑动窗建模方法无需计算和保存整个核矩阵,并验证了所得到的闪点模型在正常和故障工况下均具有足够的精度。

关键词：加氢脱芳烃产品质量建模统计学习理论 Hebbian算法

来源：评论

学校读者我要写书评

暂无评论

概率鲁棒镇定控制器的研究

引用

北京理工大学学报 2005年第1期25卷 35-37页

作者：宋春雷谢玲北京理工大学信息科学技术学院自动控制系北京100081

将统计学习理论中的经验概率一致收敛特性应用到鲁棒控制中,针对具有实参数不确定性的控制系统,研究了概率鲁棒镇定控制器的设计问题.给出了设计概率鲁棒镇定控制器的前提条件,采用基于经验概率一致收敛特性的随机化算法设计概率鲁棒镇... 详细信息

将统计学习理论中的经验概率一致收敛特性应用到鲁棒控制中,针对具有实参数不确定性的控制系统,研究了概率鲁棒镇定控制器的设计问题.给出了设计概率鲁棒镇定控制器的前提条件,采用基于经验概率一致收敛特性的随机化算法设计概率鲁棒镇定控制器的具体步骤和方法.研究表明,与传统方法相比,在概率意义下采用随机化算法设计概率鲁棒镇定控制器具有设计方法简单、计算量小的优点.计算实例表明了该算法的有效性.

关键词：经验概率一致收敛特性概率鲁棒镇定控制器随机化算法统计学习理论

来源：评论

学校读者我要写书评

暂无评论

销售量预测的支持向量机建模及参数选择研究

引用

系统仿真学报 2005年第1期17卷 33-36页

作者：魏宏业王建华何崴中国联合通信有限公司北京分公司北京100038 兰州理工大学国际经济管理学院 730050 中国航天科技集团北京100854

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法,针对企业销售量预测问题,利用支持向量机构建其预测模型,对预测模型进行了仿真及对比实验,证实了模型的有效性。并介绍了SVR理论,同时... 详细信息

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法,针对企业销售量预测问题,利用支持向量机构建其预测模型,对预测模型进行了仿真及对比实验,证实了模型的有效性。并介绍了SVR理论,同时对于SVR模型参数的选择问题进行了研究。

关键词：销售量统计学习理论支持向量回归预测

来源：评论

学校读者我要写书评

暂无评论

基于核聚类方法的多层次支持向量机分类树

引用

计算机工程 2005年第5期31卷 172-174页

作者：张国宣孔锐施泽生郭立刘士建薛明东中国科学技术大学电子科学与技术系合肥230026

针对解决多类模式识别问题的SVM方法进行研究,在比较常用的几种多类SVM分类算法基础上,提出了一种基于核聚类方法的多层次SVM分类树,将核空间中的无监督学习方法和有监督学习方法结合起来,实现了一种结构更加简洁清晰、计算效率更高的多... 详细信息

针对解决多类模式识别问题的SVM方法进行研究,在比较常用的几种多类SVM分类算法基础上,提出了一种基于核聚类方法的多层次SVM分类树,将核空间中的无监督学习方法和有监督学习方法结合起来,实现了一种结构更加简洁清晰、计算效率更高的多层SVM分类树算法,并在实验中取得了良好的结果。

关键词：多类模式识别支持向量机核聚类统计学习理论

来源：评论

学校读者我要写书评

暂无评论

支持向量机在武器系统效能评估中的应用

引用

系统仿真学报 2008年第24期20卷 6599-6602页

作者：曹星平国防科技大学信息系统与管理学院长沙410073

传统的基于仿真的武器系统效能评估方法一般都需要大量仿真实验结果的统计量。针对仿真实验样本有限的情况,首先分析了统计学习理论和支持向量机(Support Vector Machine,SVM)方法;接着在此基础上研究了基于支持向量机的武器系统效能评... 详细信息

传统的基于仿真的武器系统效能评估方法一般都需要大量仿真实验结果的统计量。针对仿真实验样本有限的情况,首先分析了统计学习理论和支持向量机(Support Vector Machine,SVM)方法;接着在此基础上研究了基于支持向量机的武器系统效能评估方法,并对该评估方法进行算子化,得到基于支持向量机的效能评估预报模型;最后,针对导弹武器系统效能评估问题,给出基于支持向量机的效能评估算子的应用例子,并对评估结果进行了分析。

关键词：效能评估统计学习理论支持向量机算子

来源：评论

学校读者我要写书评

暂无评论

基于核聚类方法的多层次支持向量机分类树

引用

控制与决策 2004年第11期19卷 1305-1307,1311页

作者：张国宣孔锐施泽生郭立刘士建薛明东中国科学技术大学电子科学与技术系安徽合肥230026

针对解决多类模式识别问题的SVM方法进行研究,在比较几种常用的多类SVM分类算法的基础上,提出一种基于核聚类方法的多层次SVM分类树,将核空间中的无监督学习方法和有监督学习方法结合起来,实现了一种结构更加简洁清晰、计算效率更高的多... 详细信息

针对解决多类模式识别问题的SVM方法进行研究,在比较几种常用的多类SVM分类算法的基础上,提出一种基于核聚类方法的多层次SVM分类树,将核空间中的无监督学习方法和有监督学习方法结合起来,实现了一种结构更加简洁清晰、计算效率更高的多层SVM分类树算法,并在实验中取得了良好的结果.

关键词：多类模式识别支持向量机核聚类统计学习理论

来源：评论

学校读者我要写书评

暂无评论

数据–知识融合的机器学习(2)：泛化风险

引用

中国电机工程学报 2019年第16期39卷 4641-4649+4967页

作者：尚宇炜郭剑波吴文传苏剑刘伟庄晟阳周莉梅电力系统及发电设备控制和仿真国家重点实验室(清华大学) 中国电力科学研究院有限公司华北电力大学

该文首先概述数据驱动的机器学习模型(data-driven model,DDM)的有关理论研究成果。在此基础上,论证数据–知识融合的学习模型(knowledge-guiding&data-driven model,KDM)在问题的局部学习空间和全域学习空间的泛化性能。结果表明,... 详细信息

该文首先概述数据驱动的机器学习模型(data-driven model,DDM)的有关理论研究成果。在此基础上,论证数据–知识融合的学习模型(knowledge-guiding&data-driven model,KDM)在问题的局部学习空间和全域学习空间的泛化性能。结果表明,在有限样本和一定的假设前提下,KDM在局部学习空间的泛化误差以接近概率1收敛于某泛化误差界;在全域学习空间的泛化误差以概率1-δ收敛于某泛化误差界,该界比DDM的泛化误差上界更紧。因此,与单纯DDM相比,KDM的学习过程更加高效、可靠,能够更好地应对实际问题中的少样本学习问题。

关键词：机器学习泛化风险统计学习理论数据驱动知识引导

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：