检索结果-维普期刊中文期刊服务平台

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: 1; 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

一种基于误差的径向基神经网络学习方法: 2; 作者游培寒王振家项海林《计算机工程》 CAS CSCD 北大核心 2003年第17期126-127,F003,共3页; 提出了一种基于误差的径向基神经网络竞争学习法，它以网络的输出误差为度量，通过竞争调节神经元中心，RLS算法训练网络的权值，并利用IPL算法判断网络神经元的冗余性。仿真结果表明，该算法提高了网络的输出精度，简化了网络结构，其... 展开更多; 关键词径向基神经网络惩罚竞争学习法 RLS算法 IPL算法; 在线阅读下载PDF 职称材料

RPCL算法的理论发展和应用: 3; 作者袁昊马尽文《信号处理》 CSCD 北大核心 2023年第1期176-190,共15页; 在传统的聚类分析中,通常需要针对给定的数据选择出正确或合理的类别数,否则算法无法得到理想的聚类分析结果。当采用竞争学习(Competitive Learning,CL)算法进行聚类分析时也面临着同样的问题。然而,一般数据集中实际聚类个数(或竞争... 展开更多; 关键词聚类分析聚类数选择竞争学习对手惩罚竞争学习价值函数; 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: 4; 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

逆向工程中点云孔洞修补技术研究被引量：4: 5; 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

基于PSO-RBF NN的非线性系统辨识方法仿真研究被引量：17: 6; 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

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: 1; 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

题名一种基于误差的径向基神经网络学习方法: 2; 作者游培寒王振家项海林; 机构空军工程大学工程学院; 出处《计算机工程》 CAS CSCD 北大核心 2003年第17期126-127,F003,共3页; 文摘提出了一种基于误差的径向基神经网络竞争学习法，它以网络的输出误差为度量，通过竞争调节神经元中心，RLS算法训练网络的权值，并利用IPL算法判断网络神经元的冗余性。仿真结果表明，该算法提高了网络的输出精度，简化了网络结构，其运算速度也较快。; 关键词径向基神经网络惩罚竞争学习法 RLS算法 IPL算法; Keywords Radial basis function neural network Rival penalized competitive learning Regularized least squares Incremental projection learning; 分类号 TP183 [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RPCL算法的理论发展和应用: 3; 作者袁昊马尽文; 机构北京大学数学科学学院和数学及其应用教育部重点实验室; 出处《信号处理》 CSCD 北大核心 2023年第1期176-190,共15页; 基金国家重点研发计划课题(2018AAA0100205)资助。; 文摘在传统的聚类分析中,通常需要针对给定的数据选择出正确或合理的类别数,否则算法无法得到理想的聚类分析结果。当采用竞争学习(Competitive Learning,CL)算法进行聚类分析时也面临着同样的问题。然而,一般数据集中实际聚类个数(或竞争单元个数)的推断与选择却是一个十分困难的问题。为了解决这一难题,对手惩罚竞争学习(Rival Penalized Competitive Learning,RPCL)算法建立了一种有效的思想和方法。它通过预设较大的聚类个数,在竞争学习中引入了对手惩罚的机制,自动地选择出正确的聚类中心与个数,并将多余的聚类中心排除到无穷点或远离数据的地方。这种独特的思想和方法为聚类分析开辟了一条崭新的途径。本文将深入分析RPCL算法的理论发展,包括产生的根源及其思想、理论基础、在不同情况下的推广和变式,并且总结了RPCL算法在各个领域中的应用。; 关键词聚类分析聚类数选择竞争学习对手惩罚竞争学习价值函数; Keywords clustering analysis selection of cluster number competitive learning rival penalized competitive learning cost function; 分类号 TP183 [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

题名用于风电功率预测的RPCL优化神经网络模型被引量：5: 4; 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

题名逆向工程中点云孔洞修补技术研究被引量：4: 5; 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

题名基于PSO-RBF NN的非线性系统辨识方法仿真研究被引量：17: 6; 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	作者	出处	发文年	被引量	操作
1	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
2	一种基于误差的径向基神经网络学习方法	游培寒王振家项海林	《计算机工程》 CAS CSCD 北大核心	2003	0	在线阅读下载PDF 职称材料
3	RPCL算法的理论发展和应用	袁昊马尽文	《信号处理》 CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料
4	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
5	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	4	在线阅读下载PDF 职称材料
6	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