期刊导航
期刊开放获取
河南省图书馆
退出
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
6
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CV-SVM方法的手术时间估计
被引量:
5
1
作者
高妮妮
刘子先
张海英
《工业工程》
北大核心
2014年第4期111-115,共5页
手术时间估计是进行科学手术排程的前提和依据,为了能够准确地估计手术时间从而为手术排程提供有效信息,采用交叉验证(CV)方法优化支持向量机(SVM)参数,构建基于交叉验证的支持向量机模型对手术时间进行估计。为了验证模型的性能,将CV-...
手术时间估计是进行科学手术排程的前提和依据,为了能够准确地估计手术时间从而为手术排程提供有效信息,采用交叉验证(CV)方法优化支持向量机(SVM)参数,构建基于交叉验证的支持向量机模型对手术时间进行估计。为了验证模型的性能,将CV-SVM模型与径向基(RBF)神经网络模型相对比,通过某医院眼科角膜移植手术时间估计进行实例验证。结果表明,相比RBF模型,基于CV-SVM模型的手术时间估计结果平均绝对百分误差在11%以内,相对误差在23%以内,验证了模型的有效性,为手术时间估计提供了一种有效的方法。
展开更多
关键词
手术时间
交叉
验证
(
cv
)
支持向量机(SVM)
下载PDF
职称材料
基于改进GWO-CV优化的K-调和均值聚类算法
被引量:
2
2
作者
张文宇
张茜
+1 位作者
杨媛
刘嘉
《统计与决策》
CSSCI
北大核心
2020年第16期9-13,共5页
为克服传统聚类算法对初始聚类中心敏感且容易陷入局部最优的问题,文章提出一种基于改进的灰狼优化与交叉验证法结合的K-调和均值聚类算法(GWO-CVKHM)。首先将新的非线性收敛因子引入灰狼优化算法,以调整前期广度搜索与后期深度搜索比例...
为克服传统聚类算法对初始聚类中心敏感且容易陷入局部最优的问题,文章提出一种基于改进的灰狼优化与交叉验证法结合的K-调和均值聚类算法(GWO-CVKHM)。首先将新的非线性收敛因子引入灰狼优化算法,以调整前期广度搜索与后期深度搜索比例,同时基于模糊控制权重决策对灰狼种群位置进行更新;其次利用改进灰狼优化算法与交叉验证的思想对初始聚类中心进行寻优;最后基于改进后的聚类算法选取UCI数据库中真实数据集进行聚类。实验结果表明,该算法在求解精度及算法稳定性方面优于对比算法,具有更快的收敛速度与更强的全局搜索能力。
展开更多
关键词
K-调和均值聚类
灰狼优化算法(GWO)
交叉
验证
法(
cv
)
全局搜索能力
下载PDF
职称材料
基于SVM的含缺陷20钢弯管爆破压力预测
被引量:
2
3
作者
郄彦辉
郭涛
+1 位作者
周凌志
王昱
《中国安全科学学报》
CAS
CSCD
北大核心
2023年第2期89-95,共7页
为快速、精确预测含局部减薄缺陷的弯管爆破压力,首先验证显式非线性有限元模型的模拟精确性,然后以168组不同缺陷尺寸下20钢弯管爆破压力的有限元模拟数据作为学习样本,建立含局部减薄缺陷20钢弯管爆破压力预测的支持向量机(SVM)模型;...
为快速、精确预测含局部减薄缺陷的弯管爆破压力,首先验证显式非线性有限元模型的模拟精确性,然后以168组不同缺陷尺寸下20钢弯管爆破压力的有限元模拟数据作为学习样本,建立含局部减薄缺陷20钢弯管爆破压力预测的支持向量机(SVM)模型;其次利用交叉验证(CV)、遗传算法(GA)、粒子群算法(PSO)分别优化SVM模型;最后分析对比用于预测弯管爆破压力的3种优化SVM模型与ASME B31G-2009、DNV RP-F101、SHELL 92等3种通用规范的计算误差。结果表明:CV-SVM、GA-SVM、PSO-SVM等3种模型的预测误差均小于3种规范的计算误差,其最大相对误差分别为-2.33%、-3.4%和1.94%;说明SVM模型用于预测弯管爆破压力时操作简单、计算时间短、预测精度高、工程实用性好。
展开更多
关键词
支持向量机(SVM)
局部减薄缺陷
20钢弯管
爆破压力
交叉
验证
(
cv
)
遗传算法(GA)
粒子群算法(PSO)
下载PDF
职称材料
基于最小二乘支持向量机的火电厂烟气含氧量预测模型优化研究
被引量:
4
4
作者
赵国钦
蓝茂蔚
+3 位作者
李杨
周元祥
江政纬
甘云华
《发电技术》
CSCD
2023年第4期534-542,共9页
烟气含氧量是锅炉运行的重要监控参数,也是反映燃烧设备与锅炉运行完善程度的重要依据。根据运行工况快速、准确地测量烟气含氧量,对于优化锅炉燃烧过程具有重要指导意义。以某电站的1000 MW超超临界锅炉的运行数据为基础,选取影响烟气...
烟气含氧量是锅炉运行的重要监控参数,也是反映燃烧设备与锅炉运行完善程度的重要依据。根据运行工况快速、准确地测量烟气含氧量,对于优化锅炉燃烧过程具有重要指导意义。以某电站的1000 MW超超临界锅炉的运行数据为基础,选取影响烟气排放的31个因素,分别采用交叉验证(cross validation,CV)、粒子群优化(particle swarm optimization,PSO)算法、遗传算法(genetic algorithm,GA)寻找最小二乘支持向量机(least squares support vector machine,LSSVM)模型的最佳参数,建立烟气含氧量预测模型。研究结果表明:相对于PSO-LSSVM和CV-LSSVM模型,GA-LSSVM预测模型对烟气含氧量具有更好的预测能力,具有预测精度高、泛化能力好、鲁棒性强等优点,拟合预测的相对误差、均方误差分别为0.54%、0.23%,泛化预测的相对误差、均方误差分别为1.66%、2.13%,能够比较准确地对火电厂锅炉烟气含氧量进行测量,为锅炉燃烧系统进一步的优化运行奠定了基础。
展开更多
关键词
火电厂
最小二乘支持向量机(LSSVM)
粒子群优化(PSO)算法
遗传算法(GA)
交叉
验证
(
cv
)
下载PDF
职称材料
基于数据的LF炉智能控制系统模型研究
5
作者
敖翔
纪振平
《信息技术与信息化》
2021年第3期218-219,共2页
本文依据某钢铁冶炼公司的数据,对产品的属性进行回归分析,通过建立不同预测模型的算法来比较优化算法的优劣性。本文以某钢铁企业工业数据为依据,分别采用粒子群算法(PSO)算法和交叉验证算法(CV)优化的SVM收得率预测模型进行研究。
关键词
粒子群算法(PSO)
交叉
验证
法(
cv
)
SVM
预测模型
下载PDF
职称材料
基于最小生成误差的HMM模型聚类自动优化
被引量:
1
6
作者
卢恒
凌震华
+2 位作者
雷鸣
戴礼荣
王仁华
《模式识别与人工智能》
EI
CSCD
北大核心
2010年第6期822-828,共7页
为改善决策树聚类的效果,避免可能出现的聚类模型过训练或欠训练的情况,提出一种基于最小生成误差以及通过交叉验证优化最小描述距离(MDL)因子选取的方法.文中通过计算交叉验证中的生成误差选择MDL因子,从而优化决策树大小.实验结果表明...
为改善决策树聚类的效果,避免可能出现的聚类模型过训练或欠训练的情况,提出一种基于最小生成误差以及通过交叉验证优化最小描述距离(MDL)因子选取的方法.文中通过计算交叉验证中的生成误差选择MDL因子,从而优化决策树大小.实验结果表明,此方法相对传统的固定MDL门限设定方法,更有效提升合成语音的音质和自然度.
展开更多
关键词
隐马尔可夫模型(HMM)
语音合成
决策树聚类
最小描述距离(MDL)
交叉
验证
(
cv
)
原文传递
题名
基于CV-SVM方法的手术时间估计
被引量:
5
1
作者
高妮妮
刘子先
张海英
机构
天津商业大学商学院
天津大学管理与经济学部
沧州师范学院教育系
出处
《工业工程》
北大核心
2014年第4期111-115,共5页
基金
国家自然科学基金资助项目(70871086)
文摘
手术时间估计是进行科学手术排程的前提和依据,为了能够准确地估计手术时间从而为手术排程提供有效信息,采用交叉验证(CV)方法优化支持向量机(SVM)参数,构建基于交叉验证的支持向量机模型对手术时间进行估计。为了验证模型的性能,将CV-SVM模型与径向基(RBF)神经网络模型相对比,通过某医院眼科角膜移植手术时间估计进行实例验证。结果表明,相比RBF模型,基于CV-SVM模型的手术时间估计结果平均绝对百分误差在11%以内,相对误差在23%以内,验证了模型的有效性,为手术时间估计提供了一种有效的方法。
关键词
手术时间
交叉
验证
(
cv
)
支持向量机(SVM)
Keywords
surgery time duration (
cv
)
cross validation
support vector machine (SVM)
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于改进GWO-CV优化的K-调和均值聚类算法
被引量:
2
2
作者
张文宇
张茜
杨媛
刘嘉
机构
西安邮电大学经济与管理学院
中国航天系统科学与工程研究院
出处
《统计与决策》
CSSCI
北大核心
2020年第16期9-13,共5页
基金
陕西省教育厅重点项目(19JZ056)。
文摘
为克服传统聚类算法对初始聚类中心敏感且容易陷入局部最优的问题,文章提出一种基于改进的灰狼优化与交叉验证法结合的K-调和均值聚类算法(GWO-CVKHM)。首先将新的非线性收敛因子引入灰狼优化算法,以调整前期广度搜索与后期深度搜索比例,同时基于模糊控制权重决策对灰狼种群位置进行更新;其次利用改进灰狼优化算法与交叉验证的思想对初始聚类中心进行寻优;最后基于改进后的聚类算法选取UCI数据库中真实数据集进行聚类。实验结果表明,该算法在求解精度及算法稳定性方面优于对比算法,具有更快的收敛速度与更强的全局搜索能力。
关键词
K-调和均值聚类
灰狼优化算法(GWO)
交叉
验证
法(
cv
)
全局搜索能力
Keywords
k-harmonic mean clustering
gray wolf optimization algorithm(GWO)
cross validation method(
cv
)
global search ability
分类号
O21 [理学—概率论与数理统计]
下载PDF
职称材料
题名
基于SVM的含缺陷20钢弯管爆破压力预测
被引量:
2
3
作者
郄彦辉
郭涛
周凌志
王昱
机构
河北工业大学机械工程学院
河北省特种设备监督检验研究院
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2023年第2期89-95,共7页
基金
河北省市场监督管理局科技计划项目(2018ZD13,2020ZC26)
河北省特种设备监督检验研究院科技计划项目(HBTJ2021CY003)。
文摘
为快速、精确预测含局部减薄缺陷的弯管爆破压力,首先验证显式非线性有限元模型的模拟精确性,然后以168组不同缺陷尺寸下20钢弯管爆破压力的有限元模拟数据作为学习样本,建立含局部减薄缺陷20钢弯管爆破压力预测的支持向量机(SVM)模型;其次利用交叉验证(CV)、遗传算法(GA)、粒子群算法(PSO)分别优化SVM模型;最后分析对比用于预测弯管爆破压力的3种优化SVM模型与ASME B31G-2009、DNV RP-F101、SHELL 92等3种通用规范的计算误差。结果表明:CV-SVM、GA-SVM、PSO-SVM等3种模型的预测误差均小于3种规范的计算误差,其最大相对误差分别为-2.33%、-3.4%和1.94%;说明SVM模型用于预测弯管爆破压力时操作简单、计算时间短、预测精度高、工程实用性好。
关键词
支持向量机(SVM)
局部减薄缺陷
20钢弯管
爆破压力
交叉
验证
(
cv
)
遗传算法(GA)
粒子群算法(PSO)
Keywords
support vector machine(SVM)
local wall-thinning defects
20 steel elbow
burst pressures
cross validation(
cv
)
genetic algorithm(GA)
particle swarm optimization(PSO)
分类号
X944.4 [环境科学与工程—安全科学]
下载PDF
职称材料
题名
基于最小二乘支持向量机的火电厂烟气含氧量预测模型优化研究
被引量:
4
4
作者
赵国钦
蓝茂蔚
李杨
周元祥
江政纬
甘云华
机构
广东粤电靖海发电有限公司
华南理工大学电力学院
西安热工研究院有限公司
出处
《发电技术》
CSCD
2023年第4期534-542,共9页
基金
国家自然科学基金项目(51776077)
广东省基础与应用基础研究基金项目(2020B1515020040)。
文摘
烟气含氧量是锅炉运行的重要监控参数,也是反映燃烧设备与锅炉运行完善程度的重要依据。根据运行工况快速、准确地测量烟气含氧量,对于优化锅炉燃烧过程具有重要指导意义。以某电站的1000 MW超超临界锅炉的运行数据为基础,选取影响烟气排放的31个因素,分别采用交叉验证(cross validation,CV)、粒子群优化(particle swarm optimization,PSO)算法、遗传算法(genetic algorithm,GA)寻找最小二乘支持向量机(least squares support vector machine,LSSVM)模型的最佳参数,建立烟气含氧量预测模型。研究结果表明:相对于PSO-LSSVM和CV-LSSVM模型,GA-LSSVM预测模型对烟气含氧量具有更好的预测能力,具有预测精度高、泛化能力好、鲁棒性强等优点,拟合预测的相对误差、均方误差分别为0.54%、0.23%,泛化预测的相对误差、均方误差分别为1.66%、2.13%,能够比较准确地对火电厂锅炉烟气含氧量进行测量,为锅炉燃烧系统进一步的优化运行奠定了基础。
关键词
火电厂
最小二乘支持向量机(LSSVM)
粒子群优化(PSO)算法
遗传算法(GA)
交叉
验证
(
cv
)
Keywords
thermal power plant
least squares support vector machine(LSSVM)
particle swarm optimization(PSO)algorithm
genetic algorithm(GA)
cross validation(
cv
)
分类号
TK227 [动力工程及工程热物理—动力机械及工程]
下载PDF
职称材料
题名
基于数据的LF炉智能控制系统模型研究
5
作者
敖翔
纪振平
机构
沈阳理工大学
出处
《信息技术与信息化》
2021年第3期218-219,共2页
文摘
本文依据某钢铁冶炼公司的数据,对产品的属性进行回归分析,通过建立不同预测模型的算法来比较优化算法的优劣性。本文以某钢铁企业工业数据为依据,分别采用粒子群算法(PSO)算法和交叉验证算法(CV)优化的SVM收得率预测模型进行研究。
关键词
粒子群算法(PSO)
交叉
验证
法(
cv
)
SVM
预测模型
分类号
TF345 [冶金工程—冶金机械及自动化]
下载PDF
职称材料
题名
基于最小生成误差的HMM模型聚类自动优化
被引量:
1
6
作者
卢恒
凌震华
雷鸣
戴礼荣
王仁华
机构
中国科学技术大学电子工程与信息科学系讯飞语音实验室
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2010年第6期822-828,共7页
文摘
为改善决策树聚类的效果,避免可能出现的聚类模型过训练或欠训练的情况,提出一种基于最小生成误差以及通过交叉验证优化最小描述距离(MDL)因子选取的方法.文中通过计算交叉验证中的生成误差选择MDL因子,从而优化决策树大小.实验结果表明,此方法相对传统的固定MDL门限设定方法,更有效提升合成语音的音质和自然度.
关键词
隐马尔可夫模型(HMM)
语音合成
决策树聚类
最小描述距离(MDL)
交叉
验证
(
cv
)
Keywords
Hidden Markov Model(HMM)
Speech Synthesis
Decision Tree Clustering
Minimal Description Length(MDL)
Cross-Validation(
cv
)
分类号
TN912.33 [电子电信—通信与信息系统]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于CV-SVM方法的手术时间估计
高妮妮
刘子先
张海英
《工业工程》
北大核心
2014
5
下载PDF
职称材料
2
基于改进GWO-CV优化的K-调和均值聚类算法
张文宇
张茜
杨媛
刘嘉
《统计与决策》
CSSCI
北大核心
2020
2
下载PDF
职称材料
3
基于SVM的含缺陷20钢弯管爆破压力预测
郄彦辉
郭涛
周凌志
王昱
《中国安全科学学报》
CAS
CSCD
北大核心
2023
2
下载PDF
职称材料
4
基于最小二乘支持向量机的火电厂烟气含氧量预测模型优化研究
赵国钦
蓝茂蔚
李杨
周元祥
江政纬
甘云华
《发电技术》
CSCD
2023
4
下载PDF
职称材料
5
基于数据的LF炉智能控制系统模型研究
敖翔
纪振平
《信息技术与信息化》
2021
0
下载PDF
职称材料
6
基于最小生成误差的HMM模型聚类自动优化
卢恒
凌震华
雷鸣
戴礼荣
王仁华
《模式识别与人工智能》
EI
CSCD
北大核心
2010
1
原文传递
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