检索结果-维普期刊中文期刊服务平台

基于MFCC样本熵和灰狼算法优化支持向量机的天然地震与人工爆破自动识别被引量：5: 1; 作者庞聪江勇 +2 位作者廖成旺吴涛丁炜《地震工程学报》 CSCD 北大核心 2022年第5期1169-1175,共7页; 针对天然地震与人工爆破波形特征相似、难以区分的情况,结合灰狼优化算法和支持向量机,提出一种地震事件性质辨识新方法。通过梅尔频率倒谱系数法对2013年四川芦山地震地震事件信号和人工爆破信号进行分析,进过预加重、FFT、梅尔滤波及... 展开更多; 关键词梅尔频率倒谱系数样本熵灰狼算法支持向量机径向基核函数自动识别; 在线阅读下载PDF 职称材料

支持向量机及其在函数逼近中的应用被引量：17: 2; 作者朱国强刘士荣俞金寿《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2002年第5期555-559,568,共6页; 支持向量机是一种新的机器学习算法 ,它的理论基础是 Vapnik创建的统计学习理论。它采用结构风险最小化准则 ,在最小化样本点误差的同时 ,缩小模型预测误差的上界 ,从而提高了模型的泛化能力。本文通过 SVM在函数逼近中的应用 ,研究了 ... 展开更多; 关键词支持向量机统计学习理论结构风险最小化准则核函数函数逼近机器学习算法最小化样本点误差; 在线阅读下载PDF 职称材料

处理不平衡样本集的欠采样算法被引量：7: 3; 作者丁福利孙立民《计算机工程与设计》 CSCD 北大核心 2013年第12期4345-4350,共6页; 支持向量机(SVM)在处理不平衡样本集时,对少类样本的分类效果很不理想。为提高支持向量机在处理不平衡问题上的分类效果,提出了一种核函数选取与欠采样相结合的算法,在提高少类样本准确率的前提下,将多类样本的分类准确率的损失降到最... 展开更多; 关键词分类支持向量机不平衡样本集欠采样算法核函数; 在线阅读下载PDF 职称材料

FSS-kernel与FastICA融合的盲源分离算法研究被引量：1: 4; 作者汪道德何鹏举龙莉莉《计算机工程与应用》 CSCD 北大核心 2015年第2期209-212,270,共5页; Fast ICA算法有着比传统ICA算法更快、更稳健的收敛速度,但由于其选用的非线性函数不能很好地符合源信号的统计特性,恢复结果并不理想。针对该问题,提出了一种有限支持样本核函数(FSS-kernel)与Fast ICA融合的盲源分离算法。该方法是通... 展开更多; 关键词快速独立分量分析(Fast ICA)算法有限支持样本核函数(fss-kernel)算法盲源分离算法融合; 在线阅读下载PDF 职称材料

基于FSS-kernel BSS方法的机械故障诊断被引量：2: 5; 作者杨彦龙程伟常洪振《北京航空航天大学学报》 EI CAS CSCD 北大核心 2012年第11期1557-1561,共5页; 机械设备发生故障时,故障特征的提取是很重要的.为了从观测信号中分离出不同的故障特征源信号,并根据分离信号准确地进行故障诊断,从观测信号样本出发,提出了基于有限支持样本核函数的盲源分离(FSS-kernel BSS)方法.此方法利用有限的观... 展开更多; 关键词故障诊断盲源分离有限支持样本核函数; 在线阅读下载PDF 职称材料

题名基于MFCC样本熵和灰狼算法优化支持向量机的天然地震与人工爆破自动识别被引量：5: 1; 作者庞聪江勇廖成旺吴涛丁炜; 机构中国地震局地震研究所地震预警湖北省重点实验室湖北省地震局; 出处《地震工程学报》 CSCD 北大核心 2022年第5期1169-1175,共7页; 基金湖北省自然科学基金(2019CFB768) 中国地震局地震研究所和应急管理部国家自然灾害防治研究院基本科研业务费专项资助项目(IS201856290,IS2018126178,IS201726156) 中国大陆综合地球物理场仪器研发专项(Y201707)。; 文摘针对天然地震与人工爆破波形特征相似、难以区分的情况,结合灰狼优化算法和支持向量机,提出一种地震事件性质辨识新方法。通过梅尔频率倒谱系数法对2013年四川芦山地震地震事件信号和人工爆破信号进行分析,进过预加重、FFT、梅尔滤波及离散余弦变换等步骤,提取静态系数样本熵、一阶差分系数样本熵和二阶差分系数样本熵等作为样本特征集。使用灰狼算法优化支持向量机径向基核函数RBF中的惩罚系数和核函数半径形成新的GWO-SVM分类器,然后对事件进行辨识。结果表明:GWO-SVM分类器辨识效果明显优于SVM、RobustBoost集成学习、LDA、PLDA等分类器,其在1000次循环识别实验下的准确率均值相对SVM提高了9.2个百分点,标准差降低了3.2以上;t检验证明MFCC样本熵各特征具有可靠的地震事件分类效果;GWO-SVM与MFCC样本熵可作为天然地震事件与人工爆破事件的辨识方法与分类判据。; 关键词梅尔频率倒谱系数样本熵灰狼算法支持向量机径向基核函数自动识别; Keywords Mel frequency cepstrum coefficient(MFCC) sample entropy gray wolf optimization(GWO) support vector machine(SVM) radial basis kernel function automatic recognition; 分类号 P315 [天文地球—地震学]; 在线阅读下载PDF 职称材料

题名支持向量机及其在函数逼近中的应用被引量：17: 2; 作者朱国强刘士荣俞金寿; 机构宁波大学电气工程与自动化研究所华东理工大学自动化研究所华东理工大学自动化研究所; 出处《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2002年第5期555-559,568,共6页; 基金宁波市科技攻关项目 (0 0 12 0 0 2 ); 文摘支持向量机是一种新的机器学习算法 ,它的理论基础是 Vapnik创建的统计学习理论。它采用结构风险最小化准则 ,在最小化样本点误差的同时 ,缩小模型预测误差的上界 ,从而提高了模型的泛化能力。本文通过 SVM在函数逼近中的应用 ,研究了 SVM的小样本学习、泛化能力和抗噪声扰动能力。; 关键词支持向量机统计学习理论结构风险最小化准则核函数函数逼近机器学习算法最小化样本点误差; Keywords support vector machine statistic learning theory structura l risk minimization kernel function function approximation; 分类号 O174.41 [理学—基础数学] TP181 [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

题名处理不平衡样本集的欠采样算法被引量：7: 3; 作者丁福利孙立民; 机构烟台大学计算机学院; 出处《计算机工程与设计》 CSCD 北大核心 2013年第12期4345-4350,共6页; 基金山东省自然科学基金项目(2009ZRB019CE); 文摘支持向量机(SVM)在处理不平衡样本集时,对少类样本的分类效果很不理想。为提高支持向量机在处理不平衡问题上的分类效果,提出了一种核函数选取与欠采样相结合的算法,在提高少类样本准确率的前提下,将多类样本的分类准确率的损失降到最低。该方法首先基于特征空间的可分性选择最佳核函数,然后根据特征距离进行欠采样。基于UCI标准样本集的仿真实验结果表明了该算法是合理有效的。; 关键词分类支持向量机不平衡样本集欠采样算法核函数; Keywords classification support vector machine imbalanced dataset under-sampling algorithm kernel function; 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FSS-kernel与FastICA融合的盲源分离算法研究被引量：1: 4; 作者汪道德何鹏举龙莉莉; 机构西北工业大学自动化学院湖南科技学院; 出处《计算机工程与应用》 CSCD 北大核心 2015年第2期209-212,270,共5页; 基金国家部委预研基金西安市产业技术创新计划技术转移促进工程(No.CX12178(1)); 文摘 Fast ICA算法有着比传统ICA算法更快、更稳健的收敛速度,但由于其选用的非线性函数不能很好地符合源信号的统计特性,恢复结果并不理想。针对该问题,提出了一种有限支持样本核函数(FSS-kernel)与Fast ICA融合的盲源分离算法。该方法是通过FSS-kernel算法估计得出源信号概率密度函数,结合Fast ICA算法,实现混合信号的盲分离。仿真结果表明,该方法能够有效地完成混叠信号的分离,通过与传统ICA算法及Fast ICA算法比较,证明了该方法具有更高的分离精度和自适应能力。; 关键词快速独立分量分析(Fast ICA)算法有限支持样本核函数(fss-kernel)算法盲源分离算法融合; Keywords Fast Independent Component Analysis（Fast ICA）algorithm Finite Support Sample（FSS）-kernel algorithm blind source separation algorithm fusion; 分类号 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FSS-kernel BSS方法的机械故障诊断被引量：2: 5; 作者杨彦龙程伟常洪振; 机构北京航空航天大学航空科学与工程学院; 出处《北京航空航天大学学报》 EI CAS CSCD 北大核心 2012年第11期1557-1561,共5页; 文摘机械设备发生故障时,故障特征的提取是很重要的.为了从观测信号中分离出不同的故障特征源信号,并根据分离信号准确地进行故障诊断,从观测信号样本出发,提出了基于有限支持样本核函数的盲源分离(FSS-kernel BSS)方法.此方法利用有限的观测样本估计信号的概率分布,得到了评价函数,具有很好的自适应能力.仿真试验结果表明:此方法能成功地分离超、亚高斯混合信号,与其他盲源分离方法相比,此方法具有更好的分离性能.将该方法用于转子不平衡和支座松动的复合故障信号的盲分离,分离出了各复合故障的主要频谱.分离结果表明:此方法应用于机械设备复合故障诊断中是可行的.; 关键词故障诊断盲源分离有限支持样本核函数; Keywords fault diagnose blind source separation finite support samples kernel function; 分类号 TN911 [电子电信—通信与信息系统]; 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MFCC样本熵和灰狼算法优化支持向量机的天然地震与人工爆破自动识别	庞聪江勇廖成旺吴涛丁炜	《地震工程学报》 CSCD 北大核心	2022	5	在线阅读下载PDF 职称材料
2	支持向量机及其在函数逼近中的应用	朱国强刘士荣俞金寿	《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心	2002	17	在线阅读下载PDF 职称材料
3	处理不平衡样本集的欠采样算法	丁福利孙立民	《计算机工程与设计》 CSCD 北大核心	2013	7	在线阅读下载PDF 职称材料
4	FSS-kernel与FastICA融合的盲源分离算法研究	汪道德何鹏举龙莉莉	《计算机工程与应用》 CSCD 北大核心	2015	1	在线阅读下载PDF 职称材料
5	基于FSS-kernel BSS方法的机械故障诊断	杨彦龙程伟常洪振	《北京航空航天大学学报》 EI CAS CSCD 北大核心	2012	2	在线阅读下载PDF 职称材料