检索结果-维普期刊中文期刊服务平台

基于聚类支持向量机的气体泄漏检测被引量：7: 1; 作者方瑞明《仪器仪表学报》 EI CAS CSCD 北大核心 2007年第11期2028-2033,共6页; 本文提出了一种基于声学信号功率谱分析和聚类支持向量机的检测管道损坏导致气体泄漏的新方法。该方法以现场采集的声学信号功率谱作为聚类支持向量机的输入,首先分析了环境变量对信号频谱的影响,然后,通过对现场不同环境下采集的信号... 展开更多; 关键词气体泄漏检测声学信号聚类支持向量机; 在线阅读下载PDF 职称材料

改进的Ramp孪生支持向量机聚类被引量：2: 2; 作者陈素根刘玉菲《计算机科学与探索》 CSCD 北大核心 2023年第11期2767-2776,共10页; 基于Hinge损失的孪生支持向量机聚类和基于Ramp损失的孪生支持向量机聚类是两种平面聚类的新算法,为解决聚类问题提供了新的研究思路,逐渐成为模式识别等领域的研究热点。然而,它们在处理带有噪声数据的聚类问题时,往往性能表现不佳。... 展开更多; 关键词聚类孪生支持向量机聚类损失函数; 在线阅读下载PDF 职称材料

知识服务业背景下客户市场细分的聚类方法研究: 3; 作者王颖晖《统计与决策》 CSSCI 北大核心 2009年第18期24-26,共3页; 知识服务业所面对的客户需求具有知识化、专业化及问题解决为导向等特征,在服务过程中客户具有高度的参与性和交互性。文章指出客户市场细分不再局限于事前细分方法中常见的客户行为特征变量,提出了基于态度变量的客户市场事后细分策略... 展开更多; 关键词知识服务业客户市场细分聚类方法支持向量机聚类; 在线阅读下载PDF 职称材料

基于SVM的RBF网络在农机总动力预测中的应用: 4; 作者吴志辉王福林董志贵《农机化研究》北大核心 2019年第9期21-27,共7页; 径向基神经网络是一种单隐层的三层前向网络,具有结构简洁、学习速度快等优点。为此,分析了径向基神经网络采用传统聚类方法确定基函数中心存在的问题,提出了一种基于支持向量机聚类确定径向基网络基函数中心的方法。该方法以最大间隔... 展开更多; 关键词支持向量机聚类径向基函数径向基神经网络非线性时间序列预测农机总动力; 在线阅读下载PDF 职称材料

基于C-SVM的组合导航系统故障诊断算法被引量：12: 5; 作者张涛徐晓苏《中国惯性技术学报》 EI CSCD 北大核心 2011年第2期239-242,共4页; 为了提高捷联惯性组合导航系统的可靠性,将聚类支持向量机(C-SVM)应用于故障诊断技术,基于SINS/DVL/MCP/TAN组合导航系统建立了C-SVM故障诊断模型,将SINS/MCP、SINS/TAN和SINS/DVL三个子滤波器的相关特征量(残差值和状态检测函数)作为... 展开更多; 关键词组合导航故障诊断支持向量机聚类支持向量机; 在线阅读下载PDF 职称材料

题名基于聚类支持向量机的气体泄漏检测被引量：7: 1; 作者方瑞明; 机构华侨大学; 出处《仪器仪表学报》 EI CAS CSCD 北大核心 2007年第11期2028-2033,共6页; 基金国家自然科学基金(50477010) 日本文部省科学研究费补助金(基盘研究B16360199)资助项目; 文摘本文提出了一种基于声学信号功率谱分析和聚类支持向量机的检测管道损坏导致气体泄漏的新方法。该方法以现场采集的声学信号功率谱作为聚类支持向量机的输入,首先分析了环境变量对信号频谱的影响,然后,通过对现场不同环境下采集的信号采用自组织特征映射网络算法进行聚类分析,将检测空间分为若干独立子空间,再针对每一子空间构造一个支持向量机检测模型,并以对应子空间的样本集训练支持向量。基于某炼化厂采集数据所进行的实验表明,该方法在不同的现场环境下均具有较好的检测性能。; 关键词气体泄漏检测声学信号聚类支持向量机; Keywords gas leakage detection acoustic signal clustering support vector machine; 分类号 TH165 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名改进的Ramp孪生支持向量机聚类被引量：2: 2; 作者陈素根刘玉菲; 机构安庆师范大学数理学院安徽省大别山区域复杂生态系统建模、仿真与控制重点实验室安徽省皖江流域种群生态模拟与控制国际联合研究中心; 出处《计算机科学与探索》 CSCD 北大核心 2023年第11期2767-2776,共10页; 基金国家自然科学基金(61702012) 安徽省高校自然科学研究重点项目(KJ2020A0505) 安徽省自然科学基金(1908085MF195,2008085MF193)。; 文摘基于Hinge损失的孪生支持向量机聚类和基于Ramp损失的孪生支持向量机聚类是两种平面聚类的新算法,为解决聚类问题提供了新的研究思路,逐渐成为模式识别等领域的研究热点。然而,它们在处理带有噪声数据的聚类问题时,往往性能表现不佳。为了解决这个问题,构造了非对称的Ramp损失函数,并在此基础上提出了一种改进的Ramp孪生支持向量机聚类算法。非对称Ramp损失函数不仅继承了Ramp损失函数的优点,用非对称的有界函数度量类内散度和类间散度,使得该算法对离聚类中心平面较远的数据点更加鲁棒,而且参数t的引入使得非对称Ramp损失函数更加灵活。特别地,当参数t等于1时,非对称Ramp损失函数退化为Ramp损失函数,使得基于Ramp损失函数的孪生支持向量机聚类算法成为所提算法的特例。同时,基于核技巧推广到了非线性情形,线性和非线性模型均为非凸优化问题,通过交替迭代算法有效求解。分别在多个UCI数据集和人工数据集上进行实验,实验结果验证了所提算法的有效性。; 关键词聚类孪生支持向量机聚类损失函数; Keywords clustering twin support vector clustering loss 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

题名知识服务业背景下客户市场细分的聚类方法研究: 3; 作者王颖晖; 机构西北工业大学管理学院; 出处《统计与决策》 CSSCI 北大核心 2009年第18期24-26,共3页; 基金国家社会科学基金资助项目(06H018); 文摘知识服务业所面对的客户需求具有知识化、专业化及问题解决为导向等特征,在服务过程中客户具有高度的参与性和交互性。文章指出客户市场细分不再局限于事前细分方法中常见的客户行为特征变量,提出了基于态度变量的客户市场事后细分策略,介绍了传统聚类方法K-means和SOFM方法在市场细分中的应用,以及支持向量机聚类方法(SVC)进行知识服务业的客户市场细分的过程。应用SVC方法于具体行业实施客户市场细分,并对比三种方法的聚类效果,说明了该方法对于提高判别分类效果的能力和优势。; 关键词知识服务业客户市场细分聚类方法支持向量机聚类; 分类号 F830.4 [经济管理—金融学]; 在线阅读下载PDF 职称材料

题名基于SVM的RBF网络在农机总动力预测中的应用: 4; 作者吴志辉王福林董志贵; 机构东北农业大学工程学院; 出处《农机化研究》北大核心 2019年第9期21-27,共7页; 基金国家自然科学基金项目(31071331); 文摘径向基神经网络是一种单隐层的三层前向网络,具有结构简洁、学习速度快等优点。为此,分析了径向基神经网络采用传统聚类方法确定基函数中心存在的问题,提出了一种基于支持向量机聚类确定径向基网络基函数中心的方法。该方法以最大间隔原理和结构风险最小化原则为前提,利用核方法把输入空间的样本映射到高维特征空间完成聚类工作来确定基函数的数量。采用改进的方法训练的径向基神经网络对黑龙江省农机总动力进行非线性时间序列预测,结果表明:改进的网络在确定网络结构、学习速度和提高网络预测精度方面都有较好的效果。; 关键词支持向量机聚类径向基函数径向基神经网络非线性时间序列预测农机总动力; Keywords SVM clustering radial basis function RBF neural networks nonlinear time series prediction totai power of agricultural machinery; 分类号 S23-01 [农业科学—农业机械化工程]; 在线阅读下载PDF 职称材料

题名基于C-SVM的组合导航系统故障诊断算法被引量：12: 5; 作者张涛徐晓苏; 机构东南大学仪器科学与工程学院东南大学微惯性仪表与先进导航技术教育部重点实验室; 出处《中国惯性技术学报》 EI CSCD 北大核心 2011年第2期239-242,共4页; 基金国家自然科学基金资助项目(60904088) 东南大学微惯性仪表与先进导航技术教育部重点实验室(B类)开放基金资助项目(201008) 陕西省电子信息系统综合集成重点实验室基金资助(201101Y19); 文摘为了提高捷联惯性组合导航系统的可靠性,将聚类支持向量机(C-SVM)应用于故障诊断技术,基于SINS/DVL/MCP/TAN组合导航系统建立了C-SVM故障诊断模型,将SINS/MCP、SINS/TAN和SINS/DVL三个子滤波器的相关特征量(残差值和状态检测函数)作为样本对C-SVM进行训练,并应用交叉验证法选择参数组。根据训练好的C-SVM模型分别对三个传感器进行故障诊断,若发生故障则屏蔽相应传感器的输出信息,利用其余的传感器进行重构。仿真结果表明,C-SVM的故障诊断正确率较高,特别是当训练样本数有限的情况下也能够达到较好的性能,克服了传统的神经网络在训练样本数较少时推广性能不足的问题,因此是一种理想的故障诊断技术。; 关键词组合导航故障诊断支持向量机聚类支持向量机; Keywords integration system fault diagnosis support vector machine clustering support vector machine; 分类号 U666.1 [交通运输工程—船舶及航道工程]; 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	基于聚类支持向量机的气体泄漏检测	方瑞明	《仪器仪表学报》 EI CAS CSCD 北大核心	2007	7	在线阅读下载PDF 职称材料
2	改进的Ramp孪生支持向量机聚类	陈素根刘玉菲	《计算机科学与探索》 CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
3	知识服务业背景下客户市场细分的聚类方法研究	王颖晖	《统计与决策》 CSSCI 北大核心	2009	0	在线阅读下载PDF 职称材料
4	基于SVM的RBF网络在农机总动力预测中的应用	吴志辉王福林董志贵	《农机化研究》北大核心	2019	0	在线阅读下载PDF 职称材料
5	基于C-SVM的组合导航系统故障诊断算法	张涛徐晓苏	《中国惯性技术学报》 EI CSCD 北大核心	2011	12	在线阅读下载PDF 职称材料