检索结果-维普期刊中文期刊服务平台

基于多项式核的稀疏核学习单步预测控制算法及其应用被引量：1: 1; 作者刘毅王海清李平《化工学报》 EI CAS CSCD 北大核心 2008年第10期2541-2545,共5页; 提出一种基于稀疏核学习辨识模型的单步预测控制(sparse kernel learningone-step-ahead predictive control,SKL-OPC)框架,并推导了该框架下采用多项式核的一种控制算法。该算法在求取最优控制律时可将调节变量从目标函数分离出来,并... 展开更多; 关键词非线性过程控制稀疏核学习多项式核函数; 在线阅读下载PDF 职称材料

基于Boosting框架的非稀疏多核学习方法被引量：2: 2; 作者胡庆辉李志远《计算机应用研究》 CSCD 北大核心 2016年第11期3219-3222,3227,共5页; 针对传统的分类器集成的每次迭代通常是将单个最优个体分类器集成到强分类器中,而其他可能有辅助作用的个体分类器被简单抛弃的问题,提出了一种基于Boosting框架的非稀疏多核学习方法 MKL-Boost。利用分类器集成学习的思想,每次迭代时,... 展开更多; 关键词集成学习非稀疏多核学习弱分类器基本核; 在线阅读下载PDF 职称材料

基于增量稀疏核极限学习机的柴油机故障在线诊断被引量：7: 3; 作者刘敏张英堂 +1 位作者李志宁范红波《上海交通大学学报》 EI CAS CSCD 北大核心 2019年第2期217-224,共8页; 为实现柴油机故障在线诊断,提出了基于增量稀疏核极限学习机(ISKELM)的快速在线诊断方法.针对核在线学习中的样本稀疏化与模型膨胀问题,提出了基于瞬时信息测量的稀疏核函数字典构造策略,根据最小化字典冗余和最大化字典元素自信息量的... 展开更多; 关键词增量稀疏核极限学习机样本稀疏瞬时信息测量稀疏核函数字典减样学习在线诊断; 在线阅读下载PDF 职称材料

新的稀疏支持向量回归机算法及实验研究被引量：4: 4; 作者陈晓峰王士同 +1 位作者曹苏群马培勇《计算机工程与应用》 CSCD 北大核心 2008年第36期24-28,共5页; 支持向量回归机是一种解决回归问题的重要方法,其预测速度与支持向量的稀疏性成正比。为了改进支持向量回归机的稀疏性,提出了一种直接稀疏支持向量回归算法DSKR(Direct Sparse Kernel Support Vector Regression),用于构造稀疏性支持... 展开更多; 关键词支持向量回归机核方法稀疏核学习; 在线阅读下载PDF 职称材料

题名基于多项式核的稀疏核学习单步预测控制算法及其应用被引量：1: 1; 作者刘毅王海清李平; 机构工业控制技术国家重点实验室; 出处《化工学报》 EI CAS CSCD 北大核心 2008年第10期2541-2545,共5页; 基金国家自然科学基金项目(20576116) 国家科技支撑计划课题(2007BAF14B02)~~; 文摘提出一种基于稀疏核学习辨识模型的单步预测控制(sparse kernel learningone-step-ahead predictive control,SKL-OPC)框架,并推导了该框架下采用多项式核的一种控制算法。该算法在求取最优控制律时可将调节变量从目标函数分离出来,并最终转化为求解一奇数次代数方程根的问题。因此无需复杂的非线性优化技术,且克服了基于二次多项式核辨识模型不准确造成控制算法失效的缺点。在一非线性连续搅拌反应釜的控制研究表明了该方法的有效性和优越性。; 关键词非线性过程控制稀疏核学习多项式核函数; Keywords nonlinear process control sparse kernel learning polynomial kernel function; 分类号 TP273 [自动化与计算机技术—检测技术与自动化装置] 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Boosting框架的非稀疏多核学习方法被引量：2: 2; 作者胡庆辉李志远; 机构武汉大学软件工程国家重点实验室桂林航天工业学院广西高校机器人与焊接技术重点实验室培育基地; 出处《计算机应用研究》 CSCD 北大核心 2016年第11期3219-3222,3227,共5页; 基金国家自然科学基金资助项目(11301106) 广西自然科学基金资助项目(2014GXNSFAA1183105 +2 种基金 2016GXNSFAA380226) 广西高校科研项目(ZD2014147 YB2014431); 文摘针对传统的分类器集成的每次迭代通常是将单个最优个体分类器集成到强分类器中,而其他可能有辅助作用的个体分类器被简单抛弃的问题,提出了一种基于Boosting框架的非稀疏多核学习方法 MKL-Boost。利用分类器集成学习的思想,每次迭代时,首先从训练集中选取一个训练子集,然后利用正则化非稀疏多核学习方法训练最优个体分类器,求得的个体分类器考虑了M个基本核的最优非稀疏线性凸组合,通过对核组合系数施加LP范数约束,一些好的核得以保留,从而保留了更多的有用特征信息,差的核将会被去掉,保证了有选择性的核融合,再将基于核组合的最优个体分类器集成到强分类器中。提出的算法既具有Boosting集成学习的优点,同时具有正则化非稀疏多核学习的优点,实验表明,相对于其他Boosting算法,MKL-Boost可以在较少的迭代次数内获得较高的分类精度。; 关键词集成学习非稀疏多核学习弱分类器基本核; Keywords ensemble learning non-sparse multiple kernel learning weak classifier basic kernel; 分类号 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

题名基于增量稀疏核极限学习机的柴油机故障在线诊断被引量：7: 3; 作者刘敏张英堂李志宁范红波; 机构陆军工程大学石家庄校区七系; 出处《上海交通大学学报》 EI CAS CSCD 北大核心 2019年第2期217-224,共8页; 基金国家自然科学基金资助项目(51305454); 文摘为实现柴油机故障在线诊断,提出了基于增量稀疏核极限学习机(ISKELM)的快速在线诊断方法.针对核在线学习中的样本稀疏化与模型膨胀问题,提出了基于瞬时信息测量的稀疏核函数字典构造策略,根据最小化字典冗余和最大化字典元素自信息量的原则实现样本前向稀疏与后向删减,在最佳阶数内对字典进行在线扩充与修剪,从而建立阶数有限且结构稀疏的诊断模型.针对模型核权重矩阵更新问题,提出了增样学习与改进减样学习算法对核权重矩阵进行在线递推求解,降低了计算复杂度,提高了模型在线更新速度.UCI标准数据与柴油机故障数据分类实验结果表明,与几类现有在线诊断算法相比,ISKELM在保证较高分类精度的同时,极大地提高了在线建模速度,更加快速准确地实现了柴油机故障在线诊断.; 关键词增量稀疏核极限学习机样本稀疏瞬时信息测量稀疏核函数字典减样学习在线诊断; Keywords incremental sparse kernel extreme learning machine(ISKELM) sample sparseness instantaneous information measurement sparse kernel function dictionary sample reduction learning algorithm online diagnosis; 分类号 TK428 [动力工程及工程热物理—动力机械及工程]; 在线阅读下载PDF 职称材料

题名新的稀疏支持向量回归机算法及实验研究被引量：4: 4; 作者陈晓峰王士同曹苏群马培勇; 机构江南大学信息学院淮阴工学院机械系中国科学技术大学工程科学学院; 出处《计算机工程与应用》 CSCD 北大核心 2008年第36期24-28,共5页; 基金国家自然科学基金(No.60773206/F020106,No.60704047/F030304 国家高技术研究发展计划(863)(No.2007AA1Z158No.2006AA10Z313)~~; 文摘支持向量回归机是一种解决回归问题的重要方法,其预测速度与支持向量的稀疏性成正比。为了改进支持向量回归机的稀疏性,提出了一种直接稀疏支持向量回归算法DSKR(Direct Sparse Kernel Support Vector Regression),用于构造稀疏性支持向量回归机。DSKR算法对ε-SVR(ε-Support Vector Regression)增加一个非凸约束,通过迭代优化的方式,得到稀疏性好的支持向量回归机。在人工数据集和真实世界数据集上研究DSKR算法的性能,实验结果表明,DSKR算法可以通过调控支持向量的数目,提高支持向量回归机的稀疏性,且具有较好的鲁棒性。; 关键词支持向量回归机核方法稀疏核学习; Keywords Support Vector Regression（SVR） kemel method sparse kernel learning; 分类号 TP18 [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	基于多项式核的稀疏核学习单步预测控制算法及其应用	刘毅王海清李平	《化工学报》 EI CAS CSCD 北大核心	2008	1	在线阅读下载PDF 职称材料
2	基于Boosting框架的非稀疏多核学习方法	胡庆辉李志远	《计算机应用研究》 CSCD 北大核心	2016	2	在线阅读下载PDF 职称材料
3	基于增量稀疏核极限学习机的柴油机故障在线诊断	刘敏张英堂李志宁范红波	《上海交通大学学报》 EI CAS CSCD 北大核心	2019	7	在线阅读下载PDF 职称材料
4	新的稀疏支持向量回归机算法及实验研究	陈晓峰王士同曹苏群马培勇	《计算机工程与应用》 CSCD 北大核心	2008	4	在线阅读下载PDF 职称材料