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
基于双正交小波混合核KPCA-SVM财务危机预警研究
被引量：
17
1
作者
黄超
韩婷婷
+1 位作者
吴芃
仲伟俊
《系统管理学报》
CSSCI
北大核心
2015年第1期48-55,共8页
目前基于核主成分分析方法(KPCA)以及支持向量机(SVM)的财务危机预警模型中,所使用的核函数基本都是单核函数。混合核函数能够充分利用不同核函数的特征映射能力,在处理非线性关系时较单核函数具有更优越的性能。基于双正交小波在非线...
目前基于核主成分分析方法(KPCA)以及支持向量机(SVM)的财务危机预警模型中,所使用的核函数基本都是单核函数。混合核函数能够充分利用不同核函数的特征映射能力,在处理非线性关系时较单核函数具有更优越的性能。基于双正交小波在非线性信号处理方面的良好性能,构造了一类新的双正交小波核函数并证明其满足正定核的容许性条件,在此基础上,构造了新的双正交小波混合核函数。提出了基于双正交小波混合核函数的KPCA-SVM财务危机预警模型,并以我国证券市场上市公司为对象进行实证研究。结果表明,所构造的双正交小波混合核函数能够有效改进KPCA的特征提取性能并提高SVM模型的预测精度,显著改善了财务危机预警精度。
展开更多
关键词
双正交小波
混合核函数
支持向量机
核主成分分析
财务危机预警
在线阅读
下载PDF
职称材料
基于深度分解的非平稳非高斯过程多步预测
被引量：
3
2
作者
李春祥
金梦雅
《振动．测试与诊断》
EI
CSCD
北大核心
2020年第4期711-718,823,824,共10页
首先,综合运用小波包分解(wavelet packet decomposition,简称WPD)、样本熵、单位根检验法和变分模态分解(variational mode decomposition,简称VMD),提出利用混合深度分解(hybrid deep decomposition,简称HDD)对非平稳非高斯过程进行处...
首先,综合运用小波包分解(wavelet packet decomposition,简称WPD)、样本熵、单位根检验法和变分模态分解(variational mode decomposition,简称VMD),提出利用混合深度分解(hybrid deep decomposition,简称HDD)对非平稳非高斯过程进行处理,降低实测风速风压复杂性,提升其可预测性;其次,根据Mercer定理构造了Morlet+Hermite(MH)线性组合核函数,使其具有局部多分辨性和全局泛化性的优点,采用粒子群算法(particle swarm optimization,简称PSO)对MH核进行参数优化,结合最小二乘支持向量机(least square support vector machine,简称LSSVM)建立HDD-MH-LSSVM多步预测模型;然后,将该模型与常用核函数构成的HDD-Poly-LSSVM,HDD-径向基函数(radial basis function,简称RBF)-LSSVM多步预测模型以及极限学习机(extreme learning machine,简称ELM)多步预测模型形成对比;最后,采用下击暴流风速和台风天大跨膜结构表面实测风压进行大步数多步预测验证。结果表明,HDD-MH-LSSVM预测算法预测精度高、稳定性好、通用性强。
展开更多
关键词
非平稳非高斯过程
极端风
混合深度分解
小波混合核
最小二乘支持向量机
多步预测
在线阅读
下载PDF
职称材料
基于混合分类器的高压断路器故障诊断
被引量：
7
3
作者
黄新波
许艳辉
朱永灿
《高压电器》
CAS
CSCD
北大核心
2022年第10期149-157,共9页
为利用有限故障样本对高压断路器主要故障类型进行精准识别,文中提出了一种基于混合分类器的高压断路器故障诊断方法。首先采用改进F-Score特征选择算法进行特征选择,选择出合适的特征量子集作为构建混合分类器模型的输入参量。混合分...
为利用有限故障样本对高压断路器主要故障类型进行精准识别,文中提出了一种基于混合分类器的高压断路器故障诊断方法。首先采用改进F-Score特征选择算法进行特征选择,选择出合适的特征量子集作为构建混合分类器模型的输入参量。混合分类器分别由两个支持向量数据描述和混合粒子群算法优化的小波核函数孪生支持向量机共同组成去识别故障类型。两个并列的SVDD分别用来对正常或故障状态与已知故障或未知故障进行状态识别。HPSO-WTWSVM则用来准确识别已知故障类型。经高压断路器实例验证,表明所提新方法的分类精度优于其他传统方法。
展开更多
关键词
高压断路器
支持向量数据描述
混合粒子群算法
小波核函数孪生支持向量机
故障诊断
在线阅读
下载PDF
职称材料
题名
基于双正交小波混合核KPCA-SVM财务危机预警研究
被引量：
17
1
作者
黄超
韩婷婷
吴芃
仲伟俊
机构
东南大学经济管理学院
出处
《系统管理学报》
CSSCI
北大核心
2015年第1期48-55,共8页
基金
国家自然科学基金青年基金资助项目(71201024)
国家社会科学基金资助项目(11CGL047)
+1 种基金
教育部人文社会科学研究青年基金资助项目(10YJCZH046)
中央高校基本科研业务费人文社会科学创新扶持基金资助项目(SKCX20120023)
文摘
目前基于核主成分分析方法(KPCA)以及支持向量机(SVM)的财务危机预警模型中,所使用的核函数基本都是单核函数。混合核函数能够充分利用不同核函数的特征映射能力,在处理非线性关系时较单核函数具有更优越的性能。基于双正交小波在非线性信号处理方面的良好性能,构造了一类新的双正交小波核函数并证明其满足正定核的容许性条件,在此基础上,构造了新的双正交小波混合核函数。提出了基于双正交小波混合核函数的KPCA-SVM财务危机预警模型,并以我国证券市场上市公司为对象进行实证研究。结果表明,所构造的双正交小波混合核函数能够有效改进KPCA的特征提取性能并提高SVM模型的预测精度,显著改善了财务危机预警精度。
关键词
双正交小波
混合核函数
支持向量机
核主成分分析
财务危机预警
Keywords
biorthogonal
wavelet
hybrid
kernel
function
kernel
principal component analysis
support vector machine
financial crisis prediction
分类号
F276.6 [经济管理—企业管理]
在线阅读
下载PDF
职称材料
题名
基于深度分解的非平稳非高斯过程多步预测
被引量：
3
2
作者
李春祥
金梦雅
机构
上海大学土木工程系
出处
《振动．测试与诊断》
EI
CSCD
北大核心
2020年第4期711-718,823,824,共10页
基金
国家自然科学基金资助项目(51778354)。
文摘
首先,综合运用小波包分解(wavelet packet decomposition,简称WPD)、样本熵、单位根检验法和变分模态分解(variational mode decomposition,简称VMD),提出利用混合深度分解(hybrid deep decomposition,简称HDD)对非平稳非高斯过程进行处理,降低实测风速风压复杂性,提升其可预测性;其次,根据Mercer定理构造了Morlet+Hermite(MH)线性组合核函数,使其具有局部多分辨性和全局泛化性的优点,采用粒子群算法(particle swarm optimization,简称PSO)对MH核进行参数优化,结合最小二乘支持向量机(least square support vector machine,简称LSSVM)建立HDD-MH-LSSVM多步预测模型;然后,将该模型与常用核函数构成的HDD-Poly-LSSVM,HDD-径向基函数(radial basis function,简称RBF)-LSSVM多步预测模型以及极限学习机(extreme learning machine,简称ELM)多步预测模型形成对比;最后,采用下击暴流风速和台风天大跨膜结构表面实测风压进行大步数多步预测验证。结果表明,HDD-MH-LSSVM预测算法预测精度高、稳定性好、通用性强。
关键词
非平稳非高斯过程
极端风
混合深度分解
小波混合核
最小二乘支持向量机
多步预测
Keywords
non-stationary and non-Gaussian process
extreme wind
hybrid
deep decomposition
wavelet hybrid kernel function
least square support vector machine
multi-step prediction
分类号
TU311 [建筑科学—结构工程]
在线阅读
下载PDF
职称材料
题名
基于混合分类器的高压断路器故障诊断
被引量：
7
3
作者
黄新波
许艳辉
朱永灿
机构
西安工程大学电子信息学院
出处
《高压电器》
CAS
CSCD
北大核心
2022年第10期149-157,共9页
基金
国家自然科学基金资助项目(51707141)
陕西省重点项目—工业领域(2018ZDXM-GY-040)
西安市科技计划项目(201805030YD8CG14(4))。
文摘
为利用有限故障样本对高压断路器主要故障类型进行精准识别,文中提出了一种基于混合分类器的高压断路器故障诊断方法。首先采用改进F-Score特征选择算法进行特征选择,选择出合适的特征量子集作为构建混合分类器模型的输入参量。混合分类器分别由两个支持向量数据描述和混合粒子群算法优化的小波核函数孪生支持向量机共同组成去识别故障类型。两个并列的SVDD分别用来对正常或故障状态与已知故障或未知故障进行状态识别。HPSO-WTWSVM则用来准确识别已知故障类型。经高压断路器实例验证,表明所提新方法的分类精度优于其他传统方法。
关键词
高压断路器
支持向量数据描述
混合粒子群算法
小波核函数孪生支持向量机
故障诊断
Keywords
high voltage circuit breaker
support vector data description
hybrid
particle swarm optimization
wavelet
kernel
function
twin support vector machine
fault diagnosis
分类号
TM561 [电气工程—电器]
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
基于双正交小波混合核KPCA-SVM财务危机预警研究
黄超
韩婷婷
吴芃
仲伟俊
《系统管理学报》
CSSCI
北大核心
2015
17
在线阅读
下载PDF
职称材料
2
基于深度分解的非平稳非高斯过程多步预测
李春祥
金梦雅
《振动．测试与诊断》
EI
CSCD
北大核心
2020
3
在线阅读
下载PDF
职称材料
3
基于混合分类器的高压断路器故障诊断
黄新波
许艳辉
朱永灿
《高压电器》
CAS
CSCD
北大核心
2022
7
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
