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：
2
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(F
c
M)
支持
向量
机
(SVM)
差分进化算法
在线阅读
下载PDF
职称材料
基于模糊C均值聚类和随机森林的短时交通状态预测方法
被引量：
31
2
作者
陈忠辉
凌献尧
+2 位作者
冯心欣
郑海峰
徐艺文
《电子与信息学报》
EI
CSCD
北大核心
2018年第8期1879-1886,共8页
交通拥堵长期以来是城市面临的主要问题之一,解决交通拥堵瓶颈刻不容缓。准确的短时交通状态预测有利于市民预知交通出行信息,及时采取措施避免陷入拥堵困境。该文提出一种基于模糊C均值聚类(FCM)和随机森林的短时交通状态预测方法。首...
交通拥堵长期以来是城市面临的主要问题之一,解决交通拥堵瓶颈刻不容缓。准确的短时交通状态预测有利于市民预知交通出行信息,及时采取措施避免陷入拥堵困境。该文提出一种基于模糊C均值聚类(FCM)和随机森林的短时交通状态预测方法。首先,利用一种新颖的融合时空信息的自适应多核支持向量机(AMSVM)来预测短时交通流参数,包括流量、速度和占有率。其次,基于FCM算法分析历史交通流,获取历史交通状态信息。最后,利用随机森林算法分析所预测的短时交通流参数,得到最终预测的短时交通状态。该方法在融合时空信息的同时采用随机森林算法应用于短时交通状态预测这一全新的研究领域。实验结果表明,FCM对历史交通状态的评估方式适用于不同的高速路和城市道路场景。其次,随机森林比其它常见的机器学习方法具有更高的预测精度,从而提供实时可靠的短时交通出行信息。
展开更多
关键词
短时交通状态预测
随
机
森林
模糊
c
均值
聚类
自适应
多核
支持
向量
机
在线阅读
下载PDF
职称材料
基于AFCM-SVM的滚动轴承退化状态评估与剩余寿命预测
被引量：
5
3
作者
吕明珠
苏晓明
+1 位作者
刘世勋
陈长征
《组合机床与自动化加工技术》
北大核心
2020年第3期65-69,共5页
针对支持向量机模型状态数需要人为设定的不足,提出了一种基于自适应模糊C均值-支持向量机(AFCM-SVM)的滚动轴承退化状态评估与剩余寿命预测方法。该算法采用相对特征建立敏感特征数据集,利用聚类评价指标构造自适应函数,实现了模型聚...
针对支持向量机模型状态数需要人为设定的不足,提出了一种基于自适应模糊C均值-支持向量机(AFCM-SVM)的滚动轴承退化状态评估与剩余寿命预测方法。该算法采用相对特征建立敏感特征数据集,利用聚类评价指标构造自适应函数,实现了模型聚类结果的自动更新,获得了轴承运行过程中的最佳状态数;基于AFCM-SVM模型与各个运行状态的一一对应关系,确定轴承在不同退化状态下的时间间隔,实现轴承的健康等级评估与寿命预测。根据美国NSFI/UCR智能维护中心提供的滚动轴承全寿命数据对所提算法进行了验证。结果表明,不受轴承个体差异的影响,AFCM-SVM能有效实现自动聚类,识别结果符合轴承退化演变规律;与分层狄利克雷(HDP)和K-means算法相比,AFCM-SVM具有更快的运算速度和更准确的辨识能力。
展开更多
关键词
自适应
模糊
c
均值
-
支持
向量
机
(
afcm-svm
)
滚动轴承
退化状态评估
剩余寿命预测
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：
2
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(F
c
M)
支持
向量
机
(SVM)
差分进化算法
Keywords
two
-
phase and random media
fuzzy
c
means （F
c
M）
support ve
c
tor ma
c
hine （SVM）
evolutionary differen
c
e 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
基于模糊C均值聚类和随机森林的短时交通状态预测方法
被引量：
31
2
作者
陈忠辉
凌献尧
冯心欣
郑海峰
徐艺文
机构
福州大学物理与信息工程学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2018年第8期1879-1886,共8页
基金
国家自然科学基金(61601126
61571129
+1 种基金
U1405251)
福建省基金(2016J01299)~~
文摘
交通拥堵长期以来是城市面临的主要问题之一,解决交通拥堵瓶颈刻不容缓。准确的短时交通状态预测有利于市民预知交通出行信息,及时采取措施避免陷入拥堵困境。该文提出一种基于模糊C均值聚类(FCM)和随机森林的短时交通状态预测方法。首先,利用一种新颖的融合时空信息的自适应多核支持向量机(AMSVM)来预测短时交通流参数,包括流量、速度和占有率。其次,基于FCM算法分析历史交通流,获取历史交通状态信息。最后,利用随机森林算法分析所预测的短时交通流参数,得到最终预测的短时交通状态。该方法在融合时空信息的同时采用随机森林算法应用于短时交通状态预测这一全新的研究领域。实验结果表明,FCM对历史交通状态的评估方式适用于不同的高速路和城市道路场景。其次,随机森林比其它常见的机器学习方法具有更高的预测精度,从而提供实时可靠的短时交通出行信息。
关键词
短时交通状态预测
随
机
森林
模糊
c
均值
聚类
自适应
多核
支持
向量
机
Keywords
Short
-
term traffi
c
state predi
c
tion
Random Forest （RF）
Fuzzy
c
-
Means （F
c
M）
c
lustering
Adaptive Multi
-
kernel Support Ve
c
tor Ma
c
hine （AMSVM）
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
基于AFCM-SVM的滚动轴承退化状态评估与剩余寿命预测
被引量：
5
3
作者
吕明珠
苏晓明
刘世勋
陈长征
机构
沈阳工业大学机械工程学院
辽宁装备制造职业技术学院自控学院
中认(沈阳)北方实验室有限公司
出处
《组合机床与自动化加工技术》
北大核心
2020年第3期65-69,共5页
基金
国家自然科学基金(51675350)
高校应用技术课题(2019YYYJ-5)。
文摘
针对支持向量机模型状态数需要人为设定的不足,提出了一种基于自适应模糊C均值-支持向量机(AFCM-SVM)的滚动轴承退化状态评估与剩余寿命预测方法。该算法采用相对特征建立敏感特征数据集,利用聚类评价指标构造自适应函数,实现了模型聚类结果的自动更新,获得了轴承运行过程中的最佳状态数;基于AFCM-SVM模型与各个运行状态的一一对应关系,确定轴承在不同退化状态下的时间间隔,实现轴承的健康等级评估与寿命预测。根据美国NSFI/UCR智能维护中心提供的滚动轴承全寿命数据对所提算法进行了验证。结果表明,不受轴承个体差异的影响,AFCM-SVM能有效实现自动聚类,识别结果符合轴承退化演变规律;与分层狄利克雷(HDP)和K-means算法相比,AFCM-SVM具有更快的运算速度和更准确的辨识能力。
关键词
自适应
模糊
c
均值
-
支持
向量
机
(
afcm-svm
)
滚动轴承
退化状态评估
剩余寿命预测
Keywords
adaptive fuzzy
c
-
means
c
lustering
-
support ve
c
tor ma
c
hine(
afcm-svm
)
rolling bearings
degradation state assessment
life predi
c
tion
分类号
TH17 [机械工程—机械制造及自动化]
TG506 [金属学及工艺—金属切削加工及机床]
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
2
在线阅读
下载PDF
职称材料
2
基于模糊C均值聚类和随机森林的短时交通状态预测方法
陈忠辉
凌献尧
冯心欣
郑海峰
徐艺文
《电子与信息学报》
EI
CSCD
北大核心
2018
31
在线阅读
下载PDF
职称材料
3
基于AFCM-SVM的滚动轴承退化状态评估与剩余寿命预测
吕明珠
苏晓明
刘世勋
陈长征
《组合机床与自动化加工技术》
北大核心
2020
5
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
