首页 | 本学科首页   官方微博 | 高级检索  
    检索          
共有20条相似文献,以下是第1-20项 搜索用时 187 毫秒

1.  非平衡数据集的支持向量域分类预测模型研究  
   田博  覃正《运筹与管理》,2009年第18卷第1期
   基于非平衡数据集的支持向量域分类模型,提出了一种银行客户个人信用预测方法.首先分析了信用预测的主要方法及其不足,然后研究了支持向量域分类模型及其参数的非负二次规划乘性更新算法,进而提出基于支持向量域分类模型的银行客户个人信用预测方法,最后使用人工数据和实际数据对提出方法与支持向量机预测方法进行对比实验.实验结果表明对于银行客户个人信用预测的非平衡数据分析问题,基于支持向量域模型的分类预测方法更有效.    

2.  基于油液光谱分析和粒子滤波的发动机剩余寿命预测研究  
   孙磊  贾云献  蔡丽影  林国语  赵劲松《光谱学与光谱分析》,2013年第33卷第9期
   油液光谱分析是机械磨损状态监测、故障诊断与故障预测的重要技术,基于光谱数据的机械状态剩余寿命预测有利于实现机械系统的最优维修决策。由于机械设备越来越复杂,其健康状态的退化过程很难用线性模型来表示,而粒子滤波(particle filter,PF)对非线性非高斯系统的处理能力,与经典Kalman滤波相比具有明显的优势,文章将PF预测方法运用于光谱分析,提出了基于PF和油液光谱分析技术的设备剩余寿命预测方法。在预测模型中实现了根据设备后验分布的估计值预测其先验分布概率,建立了基于PF的多步向前长期预测模型。最后,对某发动机实际的光谱分析数据进行了预测和分析,并与传统Kalman滤波方法的预测结果进行了比较,结果充分表明了本方法的有效性和优越性。    

3.  基于AGA-SVM的非线性组合预测模型  被引次数:3
   陈涛《数学的实践与认识》,2010年第40卷第4期
   为提高预测精度,提出基于AGA-SVM的非线性组合预测模型.以组合预测模型的误差平方和最小为优化准则,用加速遗传算法对支持向量机参数进行优化选择,并利用支持向量机对单一模型的预测结果进行组合预测.算例结果表明,AGASVM综合利用了各单个预测模型的重要预测信息,其预测误差远远小于各单个模型的预测误差,其预测精度更高,模型的实用性更强.    

4.  基于CRBM算法的时间序列预测模型研究  
   周晓莉  张丰  杜震洪  曹敏杰  刘仁义《浙江大学学报(理学版)》,2016年第4期
   针对受限玻尔兹曼机(restricted Boltzmann machines,RBM)算法对时序数据预测存在抽取抽象特征向量能力较差和梯度下降能力有限的问题,基于CRBM(conditional restricted Boltzmann machines)算法以及信念网络(deep belief network,DBN)模型,构建了一种非线性的CRBM-DBN深度学习模型,并采用高斯分布处理输入特征值和对比散度抽样,用于预测时序数据.实验以浙江省近岸海域赤潮时序数据作为输入特征值,讨论该模型的深度及参数选取,并与经典的深度学习模型RBM、DAE和浅层学习中的BP神经网络进行对比,实验验证CRBM对于赤潮时序数据的预测拟合度要明显优于其他3种模型,该模型可有效用于赤潮类时序数据的趋势性预测.    

5.  基于DBN-PID的木材干燥窑参数检测系统  
   夏春江  王培良《应用声学》,2015年第23卷第1期
   针对目前在木材干燥过程中检测参数精度低的问题,设计了一种木材干燥窑参数检测系统。该系统对干燥窑有关参数进行实时采集、调理,经ARM处理器进行数据处理后,将采集的数据通过WiFi无线网络上传至PC机。为改进系统的控制算法,引入深度学习方法,提出了一种基于DBN-PID的控制算法,并与BP-PID算法进行了实验比较。实验结果表明,DBN-PID控制算法应用在木材干燥窑参数检测系统中具有更高的检测精度。为进一步说明DBN-PID算法的性能,还与BP-PID算法进行了仿真比较。仿真表明,DBN-PID算法能够很好的近似非线性对象,具有较强的自适应能力。    

6.  基于改进BP算法的Elman网络在软基沉降预测中的应用  
   陈述存  高正夏《力学学报》,2006年第14卷第3期
   E lm an网络具有动态特性好,逼近速度快,精度高等特点,本文结合软基沉降的基本特征,建立了E lm an网络软基沉降预测模型。考虑到经典BP算法的缺陷,采用改进BP算法对网络进行训练学习。实例分析表明,本文所建立的E lm an网络模型具有一定的可靠性和实用性。    

7.  基于改进教学优化算法的Hermite正交基神经网络混沌时间序列预测  
   李瑞国  张宏立  范文慧  王雅《物理学报》,2015年第64卷第20期
   针对传统预测模型对混沌时间序列预测精度低、收敛速度慢及模型结构复杂的问题, 提出了基于改进教学优化算法的Hermite正交基神经网络预测模型. 首先, 将自相关法和Cao方法相结合对混沌时间序列进行相空间重构, 以获得重构延迟时间向量; 其次, 以Hermite正交基函数为激励函数构成Hermite正交基神经网络, 作为预测模型; 最后, 将模型参数优化问题转化为多维空间上的函数优化问题, 利用改进教学优化算法对预测模型进行参数优化, 以建立预测模型并进行预测分析. 分别以Lorenz 系统和Liu系统为模型, 通过四阶Runge-Kutta法产生混沌时间序列作为仿真对象, 并进行单步及多步预测对比实验. 仿真结果表明, 与径向基函数神经网络、回声状态网络、最小二乘支持向量机及基于教学优化算法的Hermite正交基神经网络预测模型相比, 所提预测模型具有更高的预测精度、更快的收敛速度和更简单的模型结构, 验证了该模型的高效性, 便于推广和应用.    

8.  基于PCA-GA-SVM的火成岩分类方法研究  
   袁颖  李绍康  周爱红《数学的实践与认识》,2017年第12期
   在地质科学中,正确的岩石分类有助于研究岩石的成因、形成条件、演化过程和工程设计等.由于地质条件的多样性、变异性及复杂性,人们很难对岩石样本进行准确的分类.通过主成分分析法(PCA)从影响火成岩分类的众多氧化物评价指标中提取出主成分,用遗传算法(GA)优化支持向量机参数,并采用支持向量机方法(SVM)对实际火成岩公开数据进行训练,建立了火成岩岩石分类的PCA-GA-SVM模型,同时结合火成岩实际数据将预测结果和基于Levenberg-Marquardt算法改进的BP神经网络模型(LM-BP)的预测结果做了比较.结果表明:基于PCA-GA-SVM模型得到的火成岩分类预测结果精度较LM-BP神经网络有很大的提高,与实际分类相符,有广泛的应用前景.    

9.  一种基于相关分析的局域最小二乘支持向量机小尺度网络流量预测算法  
   唐舟进  彭涛  王文博《物理学报》,2014年第13期
   本文分析了网络流量数据的特性,针对传统预测算法在预测网络流量时的缺陷提出了一种基于相关分析的相关局域最小二乘支持向量机(LSSVM)预测算法.算法在对训练数据重构相空间后,利用相关分析同时从距离相关和时间相关的训练样本中选择最优的训练子集,结合自适应参数优化的LSSVM预测模型对小尺度网络流量进行预测.通过选用实际情况下的网络流量数据对算法进行测试验证,结果显示本文所提算法不仅优于传统的全局预测算法,同时也优于各种改进的局域预测算法.算法不仅在预测精度上取得大幅的性能提升,同时能够通过留一交叉验证法在预测之前就完成预测模型和训练子集的优化.    

10.  基于HMM-SVM的模拟电路早期故障诊断  
   郑志文  王晓峰《应用声学》,2017年第25卷第11期
   针对模拟电路在故障预测与健康管理(PHM)系统中早期故障识别率不高的问题,提出了一种基于隐马尔科夫模型(HMM)和支持向量机(SVM)相结合的模拟电路故障诊断方法,利用HMM对动态连续信号的较强识别能力和SVM良好的模式分类能力解决模拟电路早期故障诊断问题。采用主成分分析(PCA)和K-means聚类算法对故障数据进行数据降维和特征提取,建立HMM与 SVM相结合的诊断模型进行故障诊断。仿真实验表明,HMM-SVM能很好地识别模拟电路早期故障,并对模拟电路中元件小范围参数变化的状态识别,相较单一HMM模型具有更高的准确率。    

11.  基于可靠性模型及数据融合的冷却风扇健康管理算法  
   文小琴  刘琴琴  游林儒  毕淑娥《应用声学》,2014年第22卷第8期
   针对目前工业领域对冷却风扇的故障预测与健康管理的需求,提出了基于可靠性模型及信息融合的冷却风扇健康管理算法;文中对风扇的主要性能参数进行辨识,包括转速、电流、上升时间、下降时间、温度以及适度,结合风扇故障模型,将冷却风扇健康管理算法分为环境、机械及电子3个模块;利用可靠性模型及信息融合,对风扇状态进行评估以及预测,进而对风扇的剩余寿命及故障进行预测。    

12.  基于二次优化BP神经网络的期货价格预测  
   王海军  白玫  贾兆立  覃丽萍《数学的实践与认识》,2008年第38卷第5期
   针对BP算法存在的不足,结合神经网络、遗传算法和主成分分析的优点,提出基于二次优化BP神经网络的期货价格预测算法.初次优化采用主成分分析法对网络结构进行优化,第二次优化采用自适应遗传算法对网络参数进行优化,将经过二次优化后建立的BP神经网络模型用于期货价格预测.经仿真检验,用新方法建立的模型对期货价格进行预测,在预测的精度和速度方面都优于单纯BP神经网络模型.    

13.  退化产品可靠性评估方法的研究  被引次数:1
   张子剑  钟强晖  张志华《中国惯性技术学报》,2007年第15卷第6期
   一般退化数据的分析是基于建立退化轨道模型进行的,这方法对于退化轨道未知的产品可靠性评估往往效果较差。本文提出的方法不假定退化轨道模型,利用试验得到的产品退化信息获得产品在各检测时刻的可靠度,通过分布拟合获得参数的估计值进行可靠性评估。并给出实例说明了本方法的可行性和有效性。    

14.  基于电压变化率的IGBT结温预测模型研究  
   刘宾礼  唐勇  罗毅飞  刘德志  王瑞田  汪波《物理学报》,2014年第63卷第17期
   基于半导体物理和IGBT基本结构,通过合理简化与理论推导,建立了电压变化率模型,对电压变化率的影响因素与温度特性进行了深入研究,得出电压变化率随电压或电流的增大,线性增大;随结温增大,线性减小. 基于电压变化率模型,建立了IGBT电压变化率结温预测模型. 仿真和实验结果验证了模型的正确性与准确性. 对实现IGBT结温在线监测、提高IGBT模块及电力电子装置可靠性具有一定的理论意义和应用价值. 关键词: 载流子浓度 迁移率 电压变化率 结温预测模型    

15.  基于遗传神经网络的伺服机构健康状态预测  
   郑玉航  宁梓呈  熊鹏《应用声学》,2015年第23卷第6期
   为了及时把握伺服机构的健康状态,为装备的管理维护与任务执行提供必要的决策支持,从装备的自然退化趋势出发,提出了一种基于遗传算法优化BP神经网络的预测模型。利用BP神经网络优秀的非线性映射能力构造预测模型,将神经网络初始权值阈值编码,利用改进的自适应遗传算法确定最优解。将该模型应用到伺服机构的健康状态预测上,并与标准BP神经网络及径向基神经网络做比较。结果表明该模型有更好的预测精度及收敛速度,从而验证了模型的有效性。    

16.  改进的噪声鲁棒语音稀疏线性预测算法  
   周彬  邹霞  张雄伟《声学学报》,2014年第5期
   语音线性预测分析算法在噪声环境下性能会急剧恶化,针对这一问题,提出一种改进的噪声鲁棒稀疏线性预测算法。首先采用学生t分布对具有稀疏性的语音线性预测残差建模,并显式考虑加性噪声的影响以提高模型鲁棒性,从而构建完整的概率模型。然后采用变分贝叶斯方法推导模型参数的近似后验分布,最终实现噪声鲁棒的稀疏线性预测参数估计。实验结果表明,与传统算法以及近几年提出的基于l_1范数优化的稀疏线性预测算法相比,该算法在多项指标上具有优势,对环境噪声具有更好的鲁棒性,并且谱失真度更小,因而能够有效提高噪声环境下的语音质量。    

17.  基于FOA-LM算法的超声回波信号参数估计  被引次数:1
   肖正安《应用声学》,2014年第33卷第3期
   在超声回波参数估计中,搜索莱文伯格一马夸特(Levenberg-Marquard,LM)算法的最优解会受到迭代初值与参数向量真实解接近程度的影响。针对LM算法对迭代初值敏感的问题,提出了果蝇优化算法(Fruit fly optimization algorithm,FOA)算法和LM算法结合的参数估计方法。该方法充分利用FOA算法善于进行全局搜索和LM算法善于进行局部快速搜索的优点,首先使用FOA算法求出超声回波信号的参数初值,然后利用这组初值进行LM法迭代搜索。仿真结果表明,基于FOA和LM算法相结合的方法,具有收敛速度快,精度高的特点。    

18.  基于禁忌算法优化神经网络的海洋船舶流量预测  
   陈作聪  宋武《应用声学》,2016年第24卷第11期
   为了有效缓解船舶交通拥堵和提高通航效率,对海洋港口和航道管理提供一个更可靠的数据,设计了一种基于禁忌算法优化神经网络的海洋船舶流量预测的方法。首先,建立了基于禁忌算法优化神经网络的海洋船舶流量预测模型。然后,设计了三层的脊波神经网络结构,提出了采用禁忌算法优化脊波神经网络结构参数的具体方法,从而得到一个初始化的脊波神经网络流量预测模型。然后,采用有标签的训练样本数据集对网络进行训练,将满足误差阈值的训练模型作为最终的预测模型。以某港口为例进行仿真实验,结果表明文中得到的预测结果与真实值较为接近,且与其它方法相比,具有更好的预测效果。    

19.  基于GA-SVM的舰船装备临修经费需求预测模型  
   黄栋  费良《数学的实践与认识》,2017年第13期
   针对舰船装备临修经费需求预测得不到满意解的问题,运用遗传算法将SVM相应的参数进行优化,建立了基于GA-SVM的舰船装备临修经费预测模型.通过将GA-SVM模型与BP神经网络模型的预测结果进行对比分析,结果表明:GA-SVM的预测效果更优异,对舰船装备临修经费需求预测有更好的参考意义.    

20.  基于动态Bayes网络的结构时变可靠性分析  
   孙鸿宾  吴子燕  刘书奎《应用数学和力学》,2014年第1期
   针对存在抗力退化结构的时变可靠性问题,提出一种动态贝叶斯网络(dynamic Bayesian network,DBN)模型,以gamma过程作为抗力退化模型,并离散为Bayes网络,同时建立观测模型、可靠性模型,组合为动态Bayes网络,通过连续节点消除与离散得到仅含离散变量的动态Bayes网络;给出精确推理的3种情况,评估现在(滤波)、未来(预测)以及过去时刻(平滑)结构的状态.当测量信息出现时,对退化模型参数重新估计,利用精确推理来更新结构时变可靠性.以存在抗力退化的一跨刚架作为研究对象,验证了模型的合理性.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号