检索结果-维普期刊中文期刊服务平台

基于样本空间分布密度的改进次胜者受罚竞争学习算法被引量：5: 1; 作者谢娟英郭文娟 +1 位作者谢维信高新波《计算机应用》 CSCD 北大核心 2012年第3期638-642,共5页; 针对传统次胜者受罚竞争学习(RPCL)算法忽略数据集几何结构对节点权值调整的影响,以及魏立梅等提出的新RPCL算法(魏立梅,谢维信.聚类分析中竞争学习的一种新算法.电子科学学刊,2000,22(1):13-18)引入密度来对节点的权值进行调整时,密度... 展开更多; 关键词聚类次胜者受罚竞争学习算法样本密度聚类数目聚类中心; 在线阅读下载PDF 职称材料

基于聚类分析和集成改进支持向量机的序列目标分类算法被引量：4: 2; 作者周涛张艳宁 +2 位作者袁和金陆惠玲李秀秀《计算机科学》 CSCD 北大核心 2009年第1期148-152,共5页; 针对现有集成支持向量机存在的训练子集随机性强、规模大、算法时空复杂度高等问题,提出了基于聚类分析的集成改进支持向量机算法。该方法首先采用基于对手惩罚策略的竞争学习算法(RPCL)对训练样本进行聚类分析,然后根据其聚类分布选择... 展开更多; 关键词粒子群算法支持向量机聚类分析对手竞争惩罚学习算法集成; 在线阅读下载PDF 职称材料

基于PSO-RBF NN的非线性系统辨识方法仿真研究被引量：17: 3; 作者丁宏锴萧蕴诗 +1 位作者李斌宇岳继光《系统仿真学报》 EI CAS CSCD 北大核心 2005年第8期1826-1829,共4页; 提出一种基于粒子群优化算法构造径向基函数神经网络进行非线性系统辨识的新方法。网络径向基层的单元数由对手受罚的竞争学习算法确定后,其他所有参数:中心位置、各向宽度、网络权值,均是在全局空间动态确定的。实例仿真证实了该方法... 展开更多; 关键词非线性系统辨识粒子群优化算法 RBF神经网络对手受罚的竞争学习算法; 在线阅读下载PDF 职称材料

逆向工程中点云孔洞修补技术研究被引量：5: 4; 作者王春香孟宏 +1 位作者张勇张文敬《机械科学与技术》 CSCD 北大核心 2018年第5期729-735,共7页; 对于散乱点云模型上的大面积、跨面孔洞,逆向软件往往难以修补。为了提高孔洞修补精度、获得完整的点云模型,提出了对手受惩罚竞争学习算法(Rival penalized competitive learning,RPCL)和模糊C均值聚类算法(Fuzzy C-means,FCM)相结合... 展开更多; 关键词径向基函数神经网络(RBF) 对手受惩罚竞争学习算法(RPCL) 模糊C均值聚类算法(FCM) 孔洞修补 MATLAB; 在线阅读下载PDF 职称材料

用于风电功率预测的RPCL优化神经网络模型被引量：5: 5; 作者苏义鑫夏慧雯《北京工业大学学报》 CAS CSCD 北大核心 2016年第5期674-678,共5页; 为了提高风电功率预测的准确度,提出了一种基于对手竞争惩罚学习算法(rival penalized competitive learning,RPCL)优化径向基函数(radial basis function,RBF)神经网络的风电功率预测模型.首先通过RPCL确定网络隐含层神经元数目以及中... 展开更多; 关键词风电功率预测对手竞争惩罚学习算法 RBF神经网络 K均值聚类; 在线阅读下载PDF 职称材料

题名基于样本空间分布密度的改进次胜者受罚竞争学习算法被引量：5: 1; 作者谢娟英郭文娟谢维信高新波; 机构陕西师范大学计算机科学学院西安电子科技大学电子工程学院深圳大学信息工程学院; 出处《计算机应用》 CSCD 北大核心 2012年第3期638-642,共5页; 基金中央高校基本科研业务费专项资金资助项目(GK200901006 GK201001003) 陕西省自然科学基础研究计划项目(2010JM3004); 文摘针对传统次胜者受罚竞争学习(RPCL)算法忽略数据集几何结构对节点权值调整的影响,以及魏立梅等提出的新RPCL算法(魏立梅,谢维信.聚类分析中竞争学习的一种新算法.电子科学学刊,2000,22(1):13-18)引入密度来对节点的权值进行调整时,密度定义的主观性,提出基于样本空间分布密度的改进RPCL算法。该算法根据数据集样本自然分布定义样本密度,将此密度引入RPCL节点权值调整;使用UCI机器学习数据库数据集以及随机生成的带有噪声点的人工模拟数据集对算法进行实验测试,对算法确定数据集类簇数目的准确率、运行时间、聚类误差平方和、聚类结果的Rand指数、Jaccard系数以及Adjust Rand index参数进行分析比较。各项实验结果显示:所提算法优于原始RPCL算法和魏立梅算法,具有更好的聚类效果,对噪声数据有很强的抗干扰性能。所提算法不仅能根据样本的自然分布确定数据集的合理类簇数目,而且能确定合适的类簇中心,提高聚类的准确性,使聚类结果尽可能快地收敛到全局最优解。; 关键词聚类次胜者受罚竞争学习算法样本密度聚类数目聚类中心; Keywords clustering Rival Penalized Competitive Learning（RPCL） algorithm sample density cluster number cluster center; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程] TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于聚类分析和集成改进支持向量机的序列目标分类算法被引量：4: 2; 作者周涛张艳宁袁和金陆惠玲李秀秀; 机构西北工业大学计算机学院陕西理工学院数学系华北电力大学计算机学院陕西理工学院计算机系; 出处《计算机科学》 CSCD 北大核心 2009年第1期148-152,共5页; 基金国家自然科学基金(No:60472072) 航天科技创新基金(No:06CASC0404) 陕西省教育厅科研项目(No:08JK241)资助; 文摘针对现有集成支持向量机存在的训练子集随机性强、规模大、算法时空复杂度高等问题,提出了基于聚类分析的集成改进支持向量机算法。该方法首先采用基于对手惩罚策略的竞争学习算法(RPCL)对训练样本进行聚类分析,然后根据其聚类分布选择少量具有代表性的样本,并采用了基于种群收敛速度的自适应扰动的粒子群方法来训练单个支持向量机,最后通过相对多数投票方法得到集成支持向量机。实验表明相对于基于Bagging,Adaboost等方法而言,该方法在序列目标分类中对分类精度有较大提高,该方法构造的集成改进支持向量机具有较高的分类精度和较低的时、空复杂性。; 关键词粒子群算法支持向量机聚类分析对手竞争惩罚学习算法集成; Keywords PSO,Support vector machine, Clustering analysis, RPCL, Ensemble; 分类号 TP311.13 [自动化与计算机技术—计算机软件与理论] O6-04 [理学—化学]; 在线阅读下载PDF 职称材料

题名基于PSO-RBF NN的非线性系统辨识方法仿真研究被引量：17: 3; 作者丁宏锴萧蕴诗李斌宇岳继光; 机构同济大学电子与信息工程学院; 出处《系统仿真学报》 EI CAS CSCD 北大核心 2005年第8期1826-1829,共4页; 基金国家教育部重点项目基金(01074); 文摘提出一种基于粒子群优化算法构造径向基函数神经网络进行非线性系统辨识的新方法。网络径向基层的单元数由对手受罚的竞争学习算法确定后,其他所有参数:中心位置、各向宽度、网络权值,均是在全局空间动态确定的。实例仿真证实了该方法的有效性。; 关键词非线性系统辨识粒子群优化算法 RBF神经网络对手受罚的竞争学习算法; Keywords nonlinear system identification particle swarm optimization radial basis function neural networks rival penalized competitive learning algorithm; 分类号 TP13 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名逆向工程中点云孔洞修补技术研究被引量：5: 4; 作者王春香孟宏张勇张文敬; 机构内蒙古科技大学机械学院; 出处《机械科学与技术》 CSCD 北大核心 2018年第5期729-735,共7页; 基金内蒙古自治区高等学校科学研究项目(NJZY16167) 内蒙古自治区自然科学基金项目(2017MS(LH)0530)资助; 文摘对于散乱点云模型上的大面积、跨面孔洞,逆向软件往往难以修补。为了提高孔洞修补精度、获得完整的点云模型,提出了对手受惩罚竞争学习算法(Rival penalized competitive learning,RPCL)和模糊C均值聚类算法(Fuzzy C-means,FCM)相结合的综合改进径向基函数神经网络(RBF)算法,建立了基于改进算法的点云孔洞修补模型,并以挖掘机斗齿和汽车模型为研究对象,利用RPCL-FCM-RBF联合算法对不同特征的点云孔洞进行了修补研究。结果表明,该算法在很大程度上提高了点云孔洞的修补精度,其补洞效果远优于逆向软件。而且,较之传统的RBF神经网络,该方法所建模型具有更高的预测精度、能够有效地调整洞口缺失数据、实现点云孔洞的精确修复,实用性强。; 关键词径向基函数神经网络(RBF) 对手受惩罚竞争学习算法(RPCL) 模糊C均值聚类算法(FCM) 孔洞修补 MATLAB; Keywords radial basis function networks （RBF） rival penalized competitive learning （RPCL） clusteringalgorithms hole filling MATLAB; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名用于风电功率预测的RPCL优化神经网络模型被引量：5: 5; 作者苏义鑫夏慧雯; 机构武汉理工大学自动化学院; 出处《北京工业大学学报》 CAS CSCD 北大核心 2016年第5期674-678,共5页; 基金湖北省自然科学基金资助项目(2015CFB586); 文摘为了提高风电功率预测的准确度,提出了一种基于对手竞争惩罚学习算法(rival penalized competitive learning,RPCL)优化径向基函数(radial basis function,RBF)神经网络的风电功率预测模型.首先通过RPCL确定网络隐含层神经元数目以及中心点初始值,然后由K均值聚类法确定隐含层神经元的中心点和宽度,最后通过最小均值算法确定隐含层神经元与输出层神经元之间的权值.仿真结果表明:此优化模型相较于传统RBF网络具有更高的准确性.; 关键词风电功率预测对手竞争惩罚学习算法 RBF神经网络 K均值聚类; Keywords wind power forecasting rival penalized competitive learning algorithm radial basis functionneural network Kmeans clustering; 分类号 TM614 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于样本空间分布密度的改进次胜者受罚竞争学习算法	谢娟英郭文娟谢维信高新波	《计算机应用》 CSCD 北大核心	2012	5	在线阅读下载PDF 职称材料
2	基于聚类分析和集成改进支持向量机的序列目标分类算法	周涛张艳宁袁和金陆惠玲李秀秀	《计算机科学》 CSCD 北大核心	2009	4	在线阅读下载PDF 职称材料
3	基于PSO-RBF NN的非线性系统辨识方法仿真研究	丁宏锴萧蕴诗李斌宇岳继光	《系统仿真学报》 EI CAS CSCD 北大核心	2005	17	在线阅读下载PDF 职称材料
4	逆向工程中点云孔洞修补技术研究	王春香孟宏张勇张文敬	《机械科学与技术》 CSCD 北大核心	2018	5	在线阅读下载PDF 职称材料
5	用于风电功率预测的RPCL优化神经网络模型	苏义鑫夏慧雯	《北京工业大学学报》 CAS CSCD 北大核心	2016	5	在线阅读下载PDF 职称材料