期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于模糊C均值聚类-支持向量机的海底沉积物分类识别
被引量：
3
1
作者
尤加春
毛慧慧
+1 位作者
段文豪
李红星
《海洋科学》
CAS
CSCD
北大核心
2014年第11期122-130,共9页
在总结了目前海底底质分类研究的基础之上,率先提出利用计算机数值模拟技术对海底底质进行分类识别研究。相较于目前海底底质分类研究中所使用的水槽实验法,提出采用计算机数值正演技术模拟实际地震勘探中数据采集过程。在分类识别算法...
在总结了目前海底底质分类研究的基础之上,率先提出利用计算机数值模拟技术对海底底质进行分类识别研究。相较于目前海底底质分类研究中所使用的水槽实验法,提出采用计算机数值正演技术模拟实际地震勘探中数据采集过程。在分类识别算法上,分别采用支持向量机(SVM)和模糊C均值聚类(FCM)算法对采集的数据进行分类,为使支持向量机分类识别率达到最大,引入差分进化算法对支持向量机中关键参数进行最优化搜索,并研究了向原始地震记录中加入10%,30%,50%的高斯白噪音时算法的稳定性。在分析了这两种算法分类识别的正确率及其各自的优缺点后,提出了海底底质分类识别的两步法,即(1)先利用模糊C均值聚类进行一粗糙的预测分类,在每一类中挑选聚类性较好的数据作为支持向量机的训练样本;(2)将上一步中筛选的样本作为支持向量机的训练样本,并用差分进化算法优化支持向量机分类参数,再利用训练好的支持向量机对其余数据做预测分类。鉴于计算机数值模拟的可重复性、高效快速性及本文提出的模糊C均值聚类-支持向量机方法的鲁棒性,为便于开展进一步研究,归纳总结了一套行之有效的采用计算机数值模拟技术开展海底底质分类识别研究的一般化流程。
展开更多
关键词
双相
-
随
机
介质
模糊C均值聚
类
(FCM)
支持
向量
机
(
svm
)
差分进化算法
在线阅读
下载PDF
职称材料
基于THz-TDS技术与改进IPSO-SVM模型的小米品质识别
被引量：
2
2
作者
白雪
李明利
徐雷钧
《江苏农业科学》
2018年第21期254-258,267,共6页
为实现小米品质快速、精确的鉴别分析,探索了一种基于THz技术结合化学计量学方法的小米品质识别的新方法。采用THz-TDS技术测试了正常、虫蛀和霉变小米样品,将0～1. 6 THz频段的吸收系数与模式识别算法结合实现其品质鉴别分析。结果表明...
为实现小米品质快速、精确的鉴别分析,探索了一种基于THz技术结合化学计量学方法的小米品质识别的新方法。采用THz-TDS技术测试了正常、虫蛀和霉变小米样品,将0～1. 6 THz频段的吸收系数与模式识别算法结合实现其品质鉴别分析。结果表明,不同品质小米的吸收系数和折射率具有差异。利用直接正交信号校正+标准正态交换+S-G卷积平滑(DSOC+SNV+S-G)预处理和竞争性自适应重加权+连续投影法(CARS+SPA)优选的16个特征波长所建偏最小二乘法-判别分析(PLS-DA)、粒子群-支持向量机(PSO-SVM)模型测试集准确率分别为93. 33%、95. 55%。为解决粒子群(PSO)寻优过程易陷入局部极值的问题和提升模型性能,对此提出了一种新型的粒子群(IPSO)优化支持向量机(SVM)的方法。通过增加调制参数和更新机制进行参数寻优,利用基于径向基内核(RBF)的支持向量机(SVM)和10折交叉验证的方法建立识别模型,寻优得到核函数参数g=15. 459 3、惩罚参数c=0. 813 3所建IPSO-SVM的性能优于其他模型,回代训练集和测试集的准确率达到100. 00%、97. 78%。可见,THz技术结合IPSO-SVM能较准确地鉴别小米品质,为小米品质的识别探索出一种新方法。
展开更多
关键词
太赫兹时域光谱(THz
-
TDS)技术
小米
品质
吸收系数
偏最小二乘法
-
判别分析(PLS
-
DA)
类
子群
(
pso
)
-
支持
向量
机
(
svm
)
在线阅读
下载PDF
职称材料
基于失衡样本特性过采样算法与SVM的滚动轴承故障诊断
被引量：
20
3
作者
黄海松
魏建安
+1 位作者
任竹鹏
吴江进
《振动与冲击》
EI
CSCD
北大核心
2020年第10期65-74,132,共11页
针对传统支持向量机(SVM)算法在滚动轴承故障诊断领域中,对失衡数据集效果不佳、对噪声敏感以及对本身参数依赖较大等缺点,提出一种基于样本特性的过采样算法(OABSC)。该算法利用改进凝聚层次聚类将故障样本分成多个簇;在每个簇中综合...
针对传统支持向量机(SVM)算法在滚动轴承故障诊断领域中,对失衡数据集效果不佳、对噪声敏感以及对本身参数依赖较大等缺点,提出一种基于样本特性的过采样算法(OABSC)。该算法利用改进凝聚层次聚类将故障样本分成多个簇;在每个簇中综合考虑样本距离、近邻域密度对"疑似噪声点"进行识别、剔除,并将剩余样本按信息量进行排序;紧接着,在每个簇中采用K^*-信息量近邻域(K^*INN)过采样算法合成新样本,以使得数据集平衡;模拟3种不同失衡比下的轴承故障情况,并采用粒子群算法优化了SVM分类器的参数。经试验证明:相比已有算法,OABSC算法能更好地适用于数据呈多簇分布且失衡的轴承故障诊断领域,拥有更高的G-mean值与AUC值以及更强的算法鲁棒性。
展开更多
关键词
改进凝聚层次聚
类
样本特性
K^*
-
信息量近邻域(K^*INN)过采样
支持
向量
机
(
svm
)
滚动轴承故障诊断
在线阅读
下载PDF
职称材料
题名
基于模糊C均值聚类-支持向量机的海底沉积物分类识别
被引量：
3
1
作者
尤加春
毛慧慧
段文豪
李红星
机构
中国地质大学地球物理与信息技术学院
中国科学院地质与地球物理研究所
中国科学院大学
东华理工大学核工程与地球物理学院
出处
《海洋科学》
CAS
CSCD
北大核心
2014年第11期122-130,共9页
基金
国家自然科学基金项目(41104073)
江西省自然科学基金项目(2010GQS0002)
+1 种基金
国家"863"计划课题(2012AA09A404)
国家海洋局海底科学重点实验室开放基金(KCSG0803)
文摘
在总结了目前海底底质分类研究的基础之上,率先提出利用计算机数值模拟技术对海底底质进行分类识别研究。相较于目前海底底质分类研究中所使用的水槽实验法,提出采用计算机数值正演技术模拟实际地震勘探中数据采集过程。在分类识别算法上,分别采用支持向量机(SVM)和模糊C均值聚类(FCM)算法对采集的数据进行分类,为使支持向量机分类识别率达到最大,引入差分进化算法对支持向量机中关键参数进行最优化搜索,并研究了向原始地震记录中加入10%,30%,50%的高斯白噪音时算法的稳定性。在分析了这两种算法分类识别的正确率及其各自的优缺点后,提出了海底底质分类识别的两步法,即(1)先利用模糊C均值聚类进行一粗糙的预测分类,在每一类中挑选聚类性较好的数据作为支持向量机的训练样本;(2)将上一步中筛选的样本作为支持向量机的训练样本,并用差分进化算法优化支持向量机分类参数,再利用训练好的支持向量机对其余数据做预测分类。鉴于计算机数值模拟的可重复性、高效快速性及本文提出的模糊C均值聚类-支持向量机方法的鲁棒性,为便于开展进一步研究,归纳总结了一套行之有效的采用计算机数值模拟技术开展海底底质分类识别研究的一般化流程。
关键词
双相
-
随
机
介质
模糊C均值聚
类
(FCM)
支持
向量
机
(
svm
)
差分进化算法
Keywords
two
-
phase and random media
fuzzy C means （FCM）
support vector machine （
svm
）
evolutionary difference al
-
gorithm
分类号
P738.4 [天文地球—海洋地质]
在线阅读
下载PDF
职称材料
题名
基于THz-TDS技术与改进IPSO-SVM模型的小米品质识别
被引量：
2
2
作者
白雪
李明利
徐雷钧
机构
江苏大学电气信息工程学院
东南大学毫米波国家重点实验室
出处
《江苏农业科学》
2018年第21期254-258,267,共6页
基金
江苏省自然科学基金(编号:BK20161352)
江苏省第十三批六大人才高峰高层次人才项目(编号:DZXX-018)
+1 种基金
中国博士后科学基金(编号:2015M570414)
江苏省农业科技自主创新资金[编号:CX(17)3001]
文摘
为实现小米品质快速、精确的鉴别分析,探索了一种基于THz技术结合化学计量学方法的小米品质识别的新方法。采用THz-TDS技术测试了正常、虫蛀和霉变小米样品,将0～1. 6 THz频段的吸收系数与模式识别算法结合实现其品质鉴别分析。结果表明,不同品质小米的吸收系数和折射率具有差异。利用直接正交信号校正+标准正态交换+S-G卷积平滑(DSOC+SNV+S-G)预处理和竞争性自适应重加权+连续投影法(CARS+SPA)优选的16个特征波长所建偏最小二乘法-判别分析(PLS-DA)、粒子群-支持向量机(PSO-SVM)模型测试集准确率分别为93. 33%、95. 55%。为解决粒子群(PSO)寻优过程易陷入局部极值的问题和提升模型性能,对此提出了一种新型的粒子群(IPSO)优化支持向量机(SVM)的方法。通过增加调制参数和更新机制进行参数寻优,利用基于径向基内核(RBF)的支持向量机(SVM)和10折交叉验证的方法建立识别模型,寻优得到核函数参数g=15. 459 3、惩罚参数c=0. 813 3所建IPSO-SVM的性能优于其他模型,回代训练集和测试集的准确率达到100. 00%、97. 78%。可见,THz技术结合IPSO-SVM能较准确地鉴别小米品质,为小米品质的识别探索出一种新方法。
关键词
太赫兹时域光谱(THz
-
TDS)技术
小米
品质
吸收系数
偏最小二乘法
-
判别分析(PLS
-
DA)
类
子群
(
pso
)
-
支持
向量
机
(
svm
)
分类号
S126 [农业科学—农业基础科学]
在线阅读
下载PDF
职称材料
题名
基于失衡样本特性过采样算法与SVM的滚动轴承故障诊断
被引量：
20
3
作者
黄海松
魏建安
任竹鹏
吴江进
机构
贵州大学
出处
《振动与冲击》
EI
CSCD
北大核心
2020年第10期65-74,132,共11页
基金
国家自然科学基金(51865004)
贵州省重大专项(黔科合重大专项[2017]3004号)。
文摘
针对传统支持向量机(SVM)算法在滚动轴承故障诊断领域中,对失衡数据集效果不佳、对噪声敏感以及对本身参数依赖较大等缺点,提出一种基于样本特性的过采样算法(OABSC)。该算法利用改进凝聚层次聚类将故障样本分成多个簇;在每个簇中综合考虑样本距离、近邻域密度对"疑似噪声点"进行识别、剔除,并将剩余样本按信息量进行排序;紧接着,在每个簇中采用K^*-信息量近邻域(K^*INN)过采样算法合成新样本,以使得数据集平衡;模拟3种不同失衡比下的轴承故障情况,并采用粒子群算法优化了SVM分类器的参数。经试验证明:相比已有算法,OABSC算法能更好地适用于数据呈多簇分布且失衡的轴承故障诊断领域,拥有更高的G-mean值与AUC值以及更强的算法鲁棒性。
关键词
改进凝聚层次聚
类
样本特性
K^*
-
信息量近邻域(K^*INN)过采样
支持
向量
机
(
svm
)
滚动轴承故障诊断
Keywords
improved agglomerative hierarchical clustering
sample characteristics
K^*
-
information nearneighbor(K^*INN)oversampling algorithm
support vector machine(
svm
)
rolling bearing fault diagnosis
分类号
TP391 [自动化与计算机技术—计算机应用技术]
TH17 [机械工程—机械制造及自动化]
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
基于模糊C均值聚类-支持向量机的海底沉积物分类识别
尤加春
毛慧慧
段文豪
李红星
《海洋科学》
CAS
CSCD
北大核心
2014
3
在线阅读
下载PDF
职称材料
2
基于THz-TDS技术与改进IPSO-SVM模型的小米品质识别
白雪
李明利
徐雷钧
《江苏农业科学》
2018
2
在线阅读
下载PDF
职称材料
3
基于失衡样本特性过采样算法与SVM的滚动轴承故障诊断
黄海松
魏建安
任竹鹏
吴江进
《振动与冲击》
EI
CSCD
北大核心
2020
20
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
