首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   29篇
  完全免费   7篇
  物理学   36篇
  2017年   1篇
  2016年   7篇
  2015年   2篇
  2014年   5篇
  2013年   4篇
  2012年   2篇
  2011年   1篇
  2009年   3篇
  2008年   6篇
  2007年   3篇
  2006年   2篇
排序方式: 共有36条查询结果,搜索用时 125 毫秒
1.
提出了一种核主成分分析(KPCA)特征提取结合支持向量回归机(SVR)的红外光谱混合气体组分定量分析新方法。首先将特征吸收谱线严重重叠的混合气体光谱通过非线性变换映射到高维特征空间,然后在特征空间中再利用主成分分析法提取主成分,提取出的主成分作为SVR的输入建立校正模型,实现了甲烷、乙烷、丙烷、异丁烷、正丁烷、异戊烷以及正戊烷七种组组分特征吸收光谱严重重叠的混合气体的定量分析。用KPCA-SVR所建模型对未知浓度混合气体的七种组分预测的RMSE(φ×10-6)较仅用SVR模型预测的RMSE(φ×10-6)降低了一个数量级。结果表明,核主成分分析法具有很强的非线性特征提取能力,可以充分利用全光谱数据并有效地消除光谱数据噪声,降低数据维数,与支持向量回归机结合可以提高红外光谱分析的精度,缩短模型计算时间,是一种有效的红外光谱分析新方法。  相似文献
2.
基于在线小波支持向量回归的混沌时间序列预测   总被引:4,自引:0,他引:4       下载免费PDF全文
于振华  蔡远利 《物理学报》2006,55(4):1659-1665
混沌时间序列预测是非线性动力学研究中一个十分重要的问题,支持向量回归方法为其提供了一种有效的解决思路.通过分析新样本加入训练集后支持向量集的变化情况,建立了一种混沌时间序列预测的支持向量回归算法,具备了在线学习的特点.同时,针对混沌信号提出了一种满足小波框架的小波核函数,它不但能以较高的精度逼近任意函数,而且适合于混沌信号的局部分析,提高了支持向量回归的泛化能力.最后就Mackey-Glass混沌时间序列在线预测问题进行了大量仿真.结果表明,本文算法与现有的算法相比具有训练时间短、预测精度高等特点,有一定  相似文献
3.
近红外光谱用于植物样品中水溶性氯离子含量的测定   总被引:3,自引:2,他引:1  
基于离散小波变换(DWT)和最小二乘支持向量回归(LSSVR)方法, 建立了近红外光谱测定植物样品中水溶性氯离子的回归校正模型. 以烟草样品中水溶性氯离子含量的测定为研究对象, 首先采用DWT对近红外光谱进行数据压缩和背景扣除, 再用LSSVR建立氯离子的校正模型. 结果表明, 与偏最小二乘回归(PLSR)和传统的LSSVR方法相比, 作者所建模型的预测准确性具有一定优势.  相似文献
4.
支持向量回归建立测定醇烯比的近红外光谱校正模型   总被引:3,自引:1,他引:2  
在石化工业中,甲基叔丁基醚(MTBE)是20多年来发展最快的石化产品之一。在生产过程中,反应器混合进料的醇烯比(MRMI)都是一个至关重要的操作参数,但传统的色谱方法由于速度慢、硬件维护量大等原因,应用效果大都不理想。近红外光谱方法因其快速、测量方便、维护少等特点,特别适合这一参数的在线测量。但是,由于醇烯比与近红外光谱之间呈严重的非线性响应,基于线性校正的偏最小二乘方法将不能得到准确的测定结果。因此,文章采用近几年新兴的支持向量回归方法建立近红外光谱测定醇烯比的校正模型,结果表明,该方法的预测能力优于偏最小二乘和人工神经网络方法,可以推广应用于实际的醇烯比在线近红外测量中。  相似文献
5.
支持向量回归算法在光纤光栅非均匀应变重构中的应用   总被引:2,自引:2,他引:0  
当布拉格光栅轴向存在大的应变梯度时,其反射光谱的形状会被扭曲.甚至出现多峰,发展非均匀应变分布重构方法对于结构健康监测技术具有重要意义.但采集反射光谱时的测试噪声会显著影响应变分布重构的精度.为此,提出了采用支持向量机对含噪的反射光谱进行回归预处理,并运用适应度排序改进的遗传优化算法结合传输矩阵反射光谱构建方法识别布拉格光栅轴向非均匀应变分布的方法.该方法将反射光谱视为时间序列.利用支持向量回归的全局优化和泛化能力进行噪声抑制.从而回归出有效的反射光谱;通过传输矩阵方法将光栅轴向应变分段均匀化,利用改进的遗传算法进行并行重构.对多种应变分布形式下的应变重构进行了仿真研究,结果表明,支持向量机方法可以有效地进行反射光谱同归,提高非均匀应变分布重构的精度.  相似文献
6.
一种基于近红外光谱技术的柴油在线软测量方法研究   总被引:2,自引:0,他引:2  
为解决柴油凝点难以实时在线检测的问题,提出一种应用近红外(NIR)光谱分析技术的软测量方法。首先,利用光谱分析仪对柴油样品在750~1550nm光谱区的信息进行采集,并用多项式卷积对NIR光谱数据进行光谱平滑、基线校正和标准归一化;再由主元分析(PCA)提取NIR光谱数据集特征,降低输入维数,提高了各维特征的敏感性;最后,通过SVR算法建立凝点的软测量模型。150个柴油样品作为实验材料,其中100个作为校正(训练)样本,其余作为测试样本。经过PCA分析之后,401维的原始NIR吸收光谱数据集被降到了6维。为了验证检测方法的效率,用四种不同的软测量模型(BP,SVR,PCA BP和PCA SVR)对测试样品进行估计。实验结果表明:(1)用PCA进行特征提取的软测量模型普遍优于直接作用在光谱波长域的模型;(2)SVR模型的测量效果明显优于BP网络模型,其测试误差只有后者的一半;(3)所提软测量方法的检测值与用冷凝法测量的标准化学值之间的均方误差小于4.2。研究说明了本方法可用于对柴油产品凝点的快速测量。  相似文献
7.
PCA-SVR联用算法在近红外光谱分析烟草成分中的应用   总被引:1,自引:0,他引:1  
由50份烟草样品的近红外漫反射光谱组成的光谱矩阵经过主成分分析降维,采用基于支持向量机回归(SVR)算法,以常规化学分析方法测定的总糖、还原糖、总氮、烟碱的含量为参考值,建立了烟草中主要成分近红外光谱定量分析定标模型,并采用留一法交叉验证(LOOCV)对模型进行验证.以内部交叉验证预测的RMSE值为判据,从核函数类型、惩罚因子C和不敏感函数ε取值等方面对定标模型进行优化,获得不同成分定标模型的优化参数.烟草总糖、还原糖、总氮、烟碱优化定标模型的RMSE值分别为1.581,1.412,0.117和0.313.同时建立了烟草以上成分的偏最小二乘回归(PLS)、多元线性回归(MLR)以及误差反向传播人工神经网络(BP-ANN)定标模型,通过内部交叉验证的RMSE值与SVR定标模型进行比较,结果表明SVR模型具有更好的预测效果.  相似文献
8.
拉曼光谱和MLS-SVR的食用油脂肪酸含量预测研究   总被引:1,自引:0,他引:1  
为实现食用植物油中饱和脂肪酸、油酸、亚油酸含量的快速预测,对一批纯食用油以及不同比例两两混合油共91个样品进行了拉曼光谱检测,在800~2000 cm-1范围内,通过基于寻峰算法的自动确定支点的基线拟合方法,对获得的光谱数据进行预处理,提取八个特征峰作为拉曼光谱的特征值。以这些特征值为输入,以样品油中实际饱和脂肪酸、油酸、亚油酸含量为输出,运用偏最小二乘回归(PLS )和多输出最小二乘支持向量回归机(MLS-SVR)方法,分别建立了可以同时预测三种脂肪酸含量的数学模型,结果表明MLS-SVR方法具有较好的效果。将MLS-SVR模型的预测结果与气相色谱法结果相比较,可得到三种脂肪酸的预测均方根误差分别为0.4967%,0.8400%和1.0199%,相关系数分别为0.8133,0.9992和0.9981;对未知样品三种脂肪酸的预测均方根误差不超过5%。表明,拉曼光谱和MLS-SVR相结合的食用油脂肪酸含量预测方法,具有快速、简便、无损、准确等优点,为食用油脂肪酸含量分析提供了一种可行的方法。  相似文献
9.
A real-time simulation algorithm of infrared image based on statistical learning theory is presented. The method includes three contents to achieve real-time simulation of infrared image, such as acquiring the training sample, forecasting the scene temperature field value by statistical learning machine, data processing and data analysis of temperature field. The simulation result shows this algorithm based on ν - support vector regression have better maneuverability and generalization than the other method, and the simulation precision and real-time quality are satisfying.  相似文献
10.
In this paper, we introduce a new method, support vector regression (SVR) method, to model millimeter wave transitions. SVR is based on the structural risk minimization (SRM) principle, which leads to good generalization ability for regression problem. The SVR model can be electromagnetically developed with a set of training data and testing data which produced by the electromagnetic simulation. Two Ka-band millimeter wave transitions, i.e., waveguide to microstrip transition and coaxial to waveguide adapter, are used as examples to validate the method. Experimental results show that the developed SVR models have a good predictive ability, and they are useful for interactive CAD of millimeter wave transitions.  相似文献
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