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

模糊化支持向量机用于对7005铝合金力学性能的预测 被引量：1

下载PDF
导出
摘要 用模糊化支持向量机,结合留一交叉验证的方法,对7005铝合金在不同工艺参数下的力学性能进行建模分析和定量计算。同偏最小二乘法和反向传播人工神经网络复合法(PLS-BPNN)进行比较,结果表明:FSVR算法拟合的精度高。对于力学的三种性能(抗拉强度、屈服强度、硬度)分析的均方根误差(RMSE)为:0.7596,2.0381,4.5742。相关系数分别为:0.982059,0.965402,0.980678。
作者 宁必锋
机构地区 吉林化工学院理学院
出处 《电子世界》 2015年第20期82-83,共2页 Electronics World
关键词 模糊化 支持向量机 MATLAB 神经网络 7005铝合金
分类号 TP181 [自动化与计算机技术—控制理论与控制工程]
  • 相关文献

参考文献7

  • 1方善锋,汪明朴,王正安,齐卫宏,李周.PLS-BPN法用于7005铝合金力学性能与工艺参数的定量研究[J].中国有色金属学报,2007,17(12):1948-1954. 被引量：6
  • 2VAPNIK V.The nature of statistical learning theory[M] .New York: Springer, 1995.
  • 3HUANG C,DAVIS L S,TOWNSHEND J Ik G.An assessment of support vector machines for land cover classification[J]. International Journal of Remote Sensing,2002,23(4): 725-749.
  • 4WEN Y F,CAI C Z,LIU X H,PEI J F,ZHU X J,XIAO T T.Corrosion rate prediction of 3C steel under different seawater environment based on support vector regressio[S]. Corrosion Science,2009,51 (2):349-355.
  • 5CAI C Z,HAN L YI Z L,CHF_N Y Z.Enzyme firn classification by support vector machines[J].Proteins,2004,55(1):66-76.
  • 6TAY F E H,CAO L J.Epsilon-descending support vector machines for inancial time series forecasting].Neutal Processing Letters, 2002,15 (2):179-195.
  • 7蔡从中,温玉锋,朱星键,裴军芳,王桂莲,肖婷婷.基于工艺参数的7005铝合金力学性能的支持向量回归预测[J].中国有色金属学报,2010,20(2):323-328. 被引量：11

二级参考文献32

  • 1李劼,刘代飞,秦庆伟.基于GA-BP的NiFe_2O_4基金属陶瓷阳极优化设计[J].中国有色金属学报,2006,16(2):351-356. 被引量：5
  • 2周古为,郑子樵,李海.基于人工神经网络的7055铝合金二次时效性能预测[J].中国有色金属学报,2006,16(9):1583-1588. 被引量：18
  • 3VAPNIK V. The nature of statistical learning theory[M]. New York: Springer, 1995.
  • 4HUANG C, DAVIS L S, TOWNSHEND J R G. An assessment of support vector machines for land cover classification[J]. International Journal of Remote Sensing, 2002, 23(4): 725-749.
  • 5KIM K I, JUNG K, PARK S H, KIM H J. Support vector machine-based text detection in digital video[J]. Pattern Recognition, 2001, 34(2), 527-529.
  • 6THUBTHONG N, KIJSIRIKUL B. Support vector machines for Thai phoneme recognition[J]. International Journal of Uncertainty Fuzziness and Knowledge-Based Systems, 2001, 9(6): 803-813.
  • 7TAY F E H, CAO L J. Epsilon-descending support vector machines for financial time series forecasting[J]. Neural Processing Letters, 2002, 15(2): 179-195.
  • 8LIONG S Y, SIVAPRAGASAM C. Flood stage forecasting with support vector machines[J]. Journal of the American Water Resources Association, 2002, 38(1): 173-186.
  • 9GAVRISHCHAKA V V, GANGULI S B. Support vector machines as an efficient tool for high-dimensional data processing: Application to sub-storm forecasting[J], Journal of Geophysical Research-Space Physics, 2001, 106(A12): 29911-29914.
  • 10BURBIDGE R, TROTTER M, BUXTON B, HOLDEN S. Drug design by machine learning: Support vector machines for pharmaceutical data analysis[J]. Computers and Chemistry, 2001,26(1): 5-14.

共引文献14

同被引文献2

引证文献1

二级引证文献1

电子世界
2015年 第20期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部