检索结果-维普期刊中文期刊服务平台

基于时序贴近度与改进SVM的水机轴心轨迹诊断被引量：6: 1; 作者薛延刚王勇劲 +2 位作者赵海英牛广文乔芳《排灌机械工程学报》 EI CSCD 北大核心 2017年第12期1054-1057,1062,共5页; 为了提高水轮机组诊断的精确性,提出应用时间序列模糊贴近度特征提取轴心轨迹特征参数,通过改进SVM模型并引入故障分类准确性判定因子对参数化的水电机组轴心轨迹开展了智能诊断.应用改进SVM对时间序列特征引入正确率、错误分类率计算方... 展开更多; 关键词水电机组轴心轨迹改进的支持向量机扩展时序相似性挖掘; 在线阅读下载PDF 职称材料

改进的SVM在矿井气体定量分析中的应用被引量：6: 2; 作者郭天太洪博 +1 位作者潘增荣孔明《红外与激光工程》 EI CSCD 北大核心 2016年第6期203-210,共8页; 自行搭建了气体采集系统,根据井下的气体情况,采集了包括甲烷、乙烷、丙烷、正丁烷和二氧化碳五种气体的中红外光谱数据共236组,其中校正集186组,验证集50组。在对光谱数据进行预处理之后,利用主成分分析技术将得到的主吸收峰区域的红... 展开更多; 关键词矿井气体红外光谱定量分析粒子群优化算法改进的支持向量机; 在线阅读下载PDF 职称材料

基于改进的SVM分类器的医学图像分类新方法被引量：7: 3; 作者蒋芸李战怀《计算机应用研究》 CSCD 北大核心 2008年第1期53-55,共3页; 支持向量机(SVM)是一种准确度高的分类器,具有很好的容错和归纳能力;粗糙集理论方法在处理大数据量、消除冗余信息等方面具有优势。将两者相结合提出一种改进的SVM分类算法ISVM,并将其应用于乳腺X光图像分类。实验结果表明,ISVM的分类... 展开更多; 关键词改进的支持向量机方法粗糙集乳腺X光图像; 在线阅读下载PDF 职称材料

煤与瓦斯突出预测的NN-SVM模型被引量：16: 4; 作者谢国民谢鸿 +1 位作者付华闫孝姮《传感技术学报》 CAS CSCD 北大核心 2016年第5期733-738,共6页; 为提高煤与瓦斯突出预测的精度和速度,通过基于邻域粗糙集(NRS)理论对特征向量降维,提取出影响煤与瓦斯突出的核心致突因素,采用改进的支持向量机(NN-SVM)理论来构建煤与瓦斯突出风险与由各种致突因素组成的特征向量之间的非线性关系。... 展开更多; 关键词煤与瓦斯突出预测模型邻域粗糙集理论改进的支持向量机; 在线阅读下载PDF 职称材料

基于KPCA及SVM的蛋白质O-糖基化位点的预测被引量：4: 5; 作者杨雪梅苏祯《科学技术与工程》北大核心 2013年第25期7371-7376,共6页; 为了提高蛋白质O-糖基化位点的预测准确率,提出了把核主成分分析(KPCA)与支持向量机(SVM)相结合的方法。实验样本用稀疏编码方式编码,窗口长度为21。首先,用核主成分分析提取了样本的核主成分(特征);然后,在特征空间中用改进的支持向量... 展开更多; 关键词预测蛋白质核主成分分析改进的支持向量机组合分类器; 在线阅读下载PDF 职称材料

一种用于非平衡数据分类的集成学习模型被引量：5: 6; 作者焦盛岚杨炳儒 +1 位作者翟云赵万里《计算机工程与应用》 CSCD 2012年第29期119-123,219,共6页; 针对非平衡数据分类问题,提出了一种改进的SVM-KNN分类算法,在此基础上设计了一种集成学习模型。该模型采用限数采样方法对多数类样本进行分割,将分割后的多数类子簇与少数类样本重新组合,利用改进的SVM-KNN分别训练,得到多个基本分类器... 展开更多; 关键词非平衡数据集成学习模型基本分类器改进的支持向量机-K最近邻(SVM-KNN) UCI数据集; 在线阅读下载PDF 职称材料

近红外光谱结合非线性模式识别方法进行牛奶中掺假物质的判别被引量：8: 7; 作者倪力军钟霖 +2 位作者张鑫张立国黄士新《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2014年第10期2673-2678,共6页; 以287例上海及上海周边地区牧场的生鲜奶作为真奶样本集组成3个真奶样品集合,配制了526例含有糊精(或淀粉)+三聚氰胺(或尿素、或硝酸铵)的掺假牛奶形成6个不同种类的假奶样品集合,其中糊精、淀粉在掺假奶中的含量为0.15%~0.45%;硝酸铵... 展开更多; 关键词近红外光谱液态奶掺假物质判别改进与简化的支持向量机方法改进与简化的KNN方法; 在线阅读下载PDF 职称材料

题名基于时序贴近度与改进SVM的水机轴心轨迹诊断被引量：6: 1; 作者薛延刚王勇劲赵海英牛广文乔芳; 机构兰州工业学院电气工程学院国网青海省电力公司电力科学研究院青海师范大学; 出处《排灌机械工程学报》 EI CSCD 北大核心 2017年第12期1054-1057,1062,共5页; 基金国家自然科学基金资助项目(51769012) 甘肃省科技计划资助项目(1506RJZA059); 文摘为了提高水轮机组诊断的精确性,提出应用时间序列模糊贴近度特征提取轴心轨迹特征参数,通过改进SVM模型并引入故障分类准确性判定因子对参数化的水电机组轴心轨迹开展了智能诊断.应用改进SVM对时间序列特征引入正确率、错误分类率计算方法,从而对诊断后轴心轨迹分类准确性进行判定,由此促进运行状态设备智能诊断,提高故障诊断系统的自动诊断水平及准确率;引入多类分类支持向量机算法、分类准确度判断解决异常状态下机组轴心轨迹特征参数无法识别、识别率低的问题.通过对改进扩展时序距离时间序列贴近度度量算法的应用解决了水电机组实时轴心轨迹特征参数准确性差和实时性差的问题.该方法提高了检测精度,同时增强了人机交互性,具有重要的理论意义和实用价值.; 关键词水电机组轴心轨迹改进的支持向量机扩展时序相似性挖掘; Keywords hydroelectric units axis orbit improved support vector machine extended time series similarity mining; 分类号 TM312 [电气工程—电机]; 在线阅读下载PDF 职称材料

题名改进的SVM在矿井气体定量分析中的应用被引量：6: 2; 作者郭天太洪博潘增荣孔明; 机构中国计量大学计量测试工程学院福建出入境检验检疫局; 出处《红外与激光工程》 EI CSCD 北大核心 2016年第6期203-210,共8页; 基金国家自然科学基金(51476154 51404223); 文摘自行搭建了气体采集系统,根据井下的气体情况,采集了包括甲烷、乙烷、丙烷、正丁烷和二氧化碳五种气体的中红外光谱数据共236组,其中校正集186组,验证集50组。在对光谱数据进行预处理之后,利用主成分分析技术将得到的主吸收峰区域的红外光谱数据进行降维处理,通过特征提取得到3个特征值作为矿井气体光谱数据的输入量。该方法有效减少了模型的计算量,加快了模型的收敛速度。然后,利用改进支持向量机分别对这五种气体建立了定量分析模型。为提高该算法的预测精度,利用遗传算法和粒子群优化算法分别对SVM参数进行参数寻优。最后,选择优化效果更好的粒子群算法,并通过验证集对这五种气体进行了浓度预测分析。实验结果表明:五种气体浓度预测结果的平均误差均小于1.78%,最大误差均小于4.98%,且对于50组的气体预测耗时均小于103 s。表明所提出的改进的SVM算法能够准确、快速地预测矿井气体浓度,对实现矿井气体检测有着积极的意义。; 关键词矿井气体红外光谱定量分析粒子群优化算法改进的支持向量机; Keywords mine gases infrared spectrum quantitative analysis particle swarm optimization （PSO） improved support vector machine; 分类号 O657.33 [理学—分析化学]; 在线阅读下载PDF 职称材料

题名基于改进的SVM分类器的医学图像分类新方法被引量：7: 3; 作者蒋芸李战怀; 机构西北师范大学数学与信息学院计算机系西北工业大学计算机学院; 出处《计算机应用研究》 CSCD 北大核心 2008年第1期53-55,共3页; 基金国家自然科学基金资助项目(60573096) 甘肃省自然科学基金资助项目(3ZS051-A25-042); 文摘支持向量机(SVM)是一种准确度高的分类器,具有很好的容错和归纳能力;粗糙集理论方法在处理大数据量、消除冗余信息等方面具有优势。将两者相结合提出一种改进的SVM分类算法ISVM,并将其应用于乳腺X光图像分类。实验结果表明,ISVM的分类精确度可达到96.56%,比SVM的分类精确度(92.94%)要高3.42%,同时错误分辨率也平均接近100%。; 关键词改进的支持向量机方法粗糙集乳腺X光图像; Keywords ISVM rough sets theory mammography; 分类号 TP31 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名煤与瓦斯突出预测的NN-SVM模型被引量：16: 4; 作者谢国民谢鸿付华闫孝姮; 机构辽宁工程技术大学电气与控制工程学院; 出处《传感技术学报》 CAS CSCD 北大核心 2016年第5期733-738,共6页; 基金国家自然科学基金项目(51274118) 辽宁省教育厅基金项目(UPRP20140464); 文摘为提高煤与瓦斯突出预测的精度和速度,通过基于邻域粗糙集(NRS)理论对特征向量降维,提取出影响煤与瓦斯突出的核心致突因素,采用改进的支持向量机(NN-SVM)理论来构建煤与瓦斯突出风险与由各种致突因素组成的特征向量之间的非线性关系。从而建立了基于邻域粗糙集(NRS)与改进的支持向量机(NN-SVM)相结合的煤与瓦斯突出预测模型。实验结果表明,该预测模型预测精度高,运算速度更快,同时还具有很好的泛化能力。; 关键词煤与瓦斯突出预测模型邻域粗糙集理论改进的支持向量机; Keywords coal and gas outburst prediction model neighborhood rough sets（NRS）theory improved support vector machine（NN-SVM）; 分类号 TP39 [自动化与计算机技术—计算机应用技术] 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

题名基于KPCA及SVM的蛋白质O-糖基化位点的预测被引量：4: 5; 作者杨雪梅苏祯; 机构咸阳师范学院数学与信息科学学院西南财经大学国际商学院; 出处《科学技术与工程》北大核心 2013年第25期7371-7376,共6页; 基金陕西省教育厅2013年度科学研究计划项目(2013JK1125)资助; 文摘为了提高蛋白质O-糖基化位点的预测准确率,提出了把核主成分分析(KPCA)与支持向量机(SVM)相结合的方法。实验样本用稀疏编码方式编码,窗口长度为21。首先,用核主成分分析提取了样本的核主成分(特征);然后,在特征空间中用改进的支持向量机(ISVM)进行分类(预测)。在使用支持向量机分类时,设置了一个边界系数αc来减少运算的复杂度。实验结果表明,使用KPCA+ISVM的方法预测的效果优于PCA+SVM的预测效果。预测准确率为87%。更进一步,用不同长度的样本做实验(w=5,7,9,11,21,31,41,51),使用多数投票法综合各子分类器的优势。结果表明,组合分类器的预测准确率优于子分类器的预测准确率,预测准确率为88%。; 关键词预测蛋白质核主成分分析改进的支持向量机组合分类器; Keywords prediction protein kernel principal componentchines （ISVM） ensemble classifieranalysis （KPCA）improved support vector ma-; 分类号 TP391.4 [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

题名一种用于非平衡数据分类的集成学习模型被引量：5: 6; 作者焦盛岚杨炳儒翟云赵万里; 机构北京科技大学计算机与通信工程学院; 出处《计算机工程与应用》 CSCD 2012年第29期119-123,219,共6页; 基金国家自然科学基金(No.61175048); 文摘针对非平衡数据分类问题,提出了一种改进的SVM-KNN分类算法,在此基础上设计了一种集成学习模型。该模型采用限数采样方法对多数类样本进行分割,将分割后的多数类子簇与少数类样本重新组合,利用改进的SVM-KNN分别训练,得到多个基本分类器,对各个基本分类器进行组合。采用该模型对UCI数据集进行实验,结果显示该模型对于非平衡数据分类有较好的效果。; 关键词非平衡数据集成学习模型基本分类器改进的支持向量机-K最近邻(SVM-KNN) UCI数据集; Keywords imbalanced data ensemble learning model basic classifier improved Support Vector Machine-K Near-est Neighbor（SVM-KNN） UCI dataset; 分类号 TP301 [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

题名近红外光谱结合非线性模式识别方法进行牛奶中掺假物质的判别被引量：8: 7; 作者倪力军钟霖张鑫张立国黄士新; 机构华东理工大学化学与分子工程学院上海市动物疫病预防控制中心兽药检测所; 出处《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2014年第10期2673-2678,共6页; 文摘以287例上海及上海周边地区牧场的生鲜奶作为真奶样本集组成3个真奶样品集合,配制了526例含有糊精(或淀粉)+三聚氰胺(或尿素、或硝酸铵)的掺假牛奶形成6个不同种类的假奶样品集合,其中糊精、淀粉在掺假奶中的含量为0.15%~0.45%;硝酸铵、尿素和三聚氰胺的含量分别为700~2 100,524~1 572与365.5~1 096.5mg·kg-1,以保证掺假奶中凯氏定氮法测得的蛋白含量不低于3%。所有样本的近红外光谱均经过标准正态变换(SNV)预处理。将3个真奶样品集合和6个假奶样品集合进行不同的组合并对其采用改进与简化的K最邻近结点算法(IS-KNN)和改进与简化的支持向量机法(ν-SVM)建立了判别糊精、淀粉、三聚氰胺、尿素、硝酸铵这5类掺假物质的近红外判别模型,探寻掺假物质的浓度与识别正确率之间的关系。结果表明IS-KNN和ν-SVM两种方法对含三聚氰胺、尿素、硝酸铵的掺假牛奶的平均判别正确率分别在49.55%~51.01%,61.78%~68.79%与68.25%~73.51%区间波动,说明在该研究的掺假物浓度范围内,很难用近红外模型良好区分不同类型伪蛋白的掺假奶;IS-KNN和ν-SVM两种方法对含淀粉的掺假牛奶的判别正确率分别为92.33%与93.66%、对含糊精的掺假牛奶的平均判别正确率分别为77.29%与85.08%。从整体结果上来看ν-SVM法进行建模判别的结果大部分优于IS-KNN法进行建模判别的结果。对判别正确率与样品中掺假物质的含量水平分析表明近红外光谱结合非线性模式识别方法能良好地区分掺假奶中含量较高(0.15%~0.45%)的糊精和淀粉,而对含量偏低的三聚氰胺等伪蛋白的判别效果不佳,说明近红外光谱技术不适于鉴别牛奶中含量低于0.1%的掺假物质。; 关键词近红外光谱液态奶掺假物质判别改进与简化的支持向量机方法改进与简化的KNN方法; Keywords Near-infrared spectroscopy Discrimination of adulterated substances in liquid milk Improved and simplified K-nea-rest neighbor classification algorithm Improved and simplified of support vector machine; 分类号 O657.33 [理学—分析化学] TS252.7 [轻工技术与工程—农产品加工及贮藏工程]; 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	基于时序贴近度与改进SVM的水机轴心轨迹诊断	薛延刚王勇劲赵海英牛广文乔芳	《排灌机械工程学报》 EI CSCD 北大核心	2017	6	在线阅读下载PDF 职称材料
2	改进的SVM在矿井气体定量分析中的应用	郭天太洪博潘增荣孔明	《红外与激光工程》 EI CSCD 北大核心	2016	6	在线阅读下载PDF 职称材料
3	基于改进的SVM分类器的医学图像分类新方法	蒋芸李战怀	《计算机应用研究》 CSCD 北大核心	2008	7	在线阅读下载PDF 职称材料
4	煤与瓦斯突出预测的NN-SVM模型	谢国民谢鸿付华闫孝姮	《传感技术学报》 CAS CSCD 北大核心	2016	16	在线阅读下载PDF 职称材料
5	基于KPCA及SVM的蛋白质O-糖基化位点的预测	杨雪梅苏祯	《科学技术与工程》北大核心	2013	4	在线阅读下载PDF 职称材料
6	一种用于非平衡数据分类的集成学习模型	焦盛岚杨炳儒翟云赵万里	《计算机工程与应用》 CSCD	2012	5	在线阅读下载PDF 职称材料
7	近红外光谱结合非线性模式识别方法进行牛奶中掺假物质的判别	倪力军钟霖张鑫张立国黄士新	《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心	2014	8	在线阅读下载PDF 职称材料