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
4
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
基于粒子群-拉格朗日支持向量机方法的地下厂房变形预测分析
被引量:
2
1
作者
薛兴祖
《能源与环保》
2018年第3期7-10,15,共5页
针对地下厂房拱顶非线性变形问题,应用粒子群—拉格朗日支持向量机方法对地下厂房拱顶变形进行预测分析;针对各影响因子之间相互影响、相互干扰的问题,用拉格朗日支持向量机来表征荷载—变形之间的非线性及荷载之间的耦合关系,与标准支...
针对地下厂房拱顶非线性变形问题,应用粒子群—拉格朗日支持向量机方法对地下厂房拱顶变形进行预测分析;针对各影响因子之间相互影响、相互干扰的问题,用拉格朗日支持向量机来表征荷载—变形之间的非线性及荷载之间的耦合关系,与标准支持向量机相比极大的提高了计算速度;同时针对拉格朗日支持向量机对参数取值敏感问题,提出利用粒子群算法对相关参数进行搜索优化以达到最佳拟合效果。该方法应用到地下厂房拱顶变形预测中,用来预测某地下厂房的拱顶变形,结果表明:该方法拟合度较高,预测误差在1 mm内,误差较小,满足工程设计要求。
展开更多
关键词
拉格朗日支持向量机
粒子群
地下厂房
变形预测
下载PDF
职称材料
拉格朗日支持向量回归的有限牛顿算法
被引量:
3
2
作者
郑逢德
张鸿宾
《计算机应用》
CSCD
北大核心
2012年第9期2504-2507,共4页
拉格朗日支持向量回归是一种有效的快速回归算法,求解时需要对维数等于样本数加一的矩阵求逆,求解需要较多的迭代次数才能收敛。采用一种Armijo步长有限牛顿迭代算法求解拉格朗日支持向量回归的优化问题,只需有限次求解一组线性等式而...
拉格朗日支持向量回归是一种有效的快速回归算法,求解时需要对维数等于样本数加一的矩阵求逆,求解需要较多的迭代次数才能收敛。采用一种Armijo步长有限牛顿迭代算法求解拉格朗日支持向量回归的优化问题,只需有限次求解一组线性等式而不需要求解二次规划问题,该方法具有全局收敛和有限步终止的性质。在多个标准数据集上的实验验证了所提算法的有效性和快速性。
展开更多
关键词
支持
向量
回归
拉格朗日支持向量机
有限牛顿算法
迭代算法
下载PDF
职称材料
基于DCNN特征与集成学习的车型分类算法
被引量:
2
3
作者
李大湘
王小雨
《计算机工程与设计》
北大核心
2020年第6期1624-1628,共5页
针对传统人工设计特征描述不充分及单分类器泛化能力弱等问题,提出一种基于深度卷积神经网络(DCNN)特征与集成学习相结合的车型分类算法。微调VGG16深度卷积神经网络模型,将全连接层Fc7输出的4096维矢量采用PCA方法降至100维,作为图像...
针对传统人工设计特征描述不充分及单分类器泛化能力弱等问题,提出一种基于深度卷积神经网络(DCNN)特征与集成学习相结合的车型分类算法。微调VGG16深度卷积神经网络模型,将全连接层Fc7输出的4096维矢量采用PCA方法降至100维,作为图像的特征表示;采用拉格朗日支持向量机(LSVM)作为基分类器,以Adaboost方法自动学习各样本及基分类器的权重实现分类器集成。基于BIT和MIO-TCD数据集的对比实验结果表明,平均分类精度分别达到84.5%与83%,优于其它传统特征与单分类器方法。
展开更多
关键词
深度卷积神经网络
集成学习
车型分类
拉格朗日支持向量机
提升算法
下载PDF
职称材料
基于L-SVM的级联检测器的构造
4
作者
安平
吴涛
贺汉根
《计算机工程与应用》
CSCD
北大核心
2009年第33期156-158,164,共4页
为了实现目标的快速检测,提出了一种新的基于拉格朗日支持向量机(L-SVM)的线性级联式分类器的构造方法。该方法首先根据样本的几何分布,用迭代的方式把负样本分成若干部分与正样本线性可分的样本;然后用L-SVM对这些正负样本进行分类,得...
为了实现目标的快速检测,提出了一种新的基于拉格朗日支持向量机(L-SVM)的线性级联式分类器的构造方法。该方法首先根据样本的几何分布,用迭代的方式把负样本分成若干部分与正样本线性可分的样本;然后用L-SVM对这些正负样本进行分类,得到若干个线性分类器;最后,将这些线性分类器顺次组合,构成级联分类器。实验表明,与经典非线性SVM分类器相比,这种分类器在保持SVM较强泛化性能的优点的同时,在检测效率方面更是具有明显的优势。
展开更多
关键词
级联
几何
拉格朗日支持向量机
下载PDF
职称材料
题名
基于粒子群-拉格朗日支持向量机方法的地下厂房变形预测分析
被引量:
2
1
作者
薛兴祖
机构
吉林省水利水电勘测设计研究院
出处
《能源与环保》
2018年第3期7-10,15,共5页
文摘
针对地下厂房拱顶非线性变形问题,应用粒子群—拉格朗日支持向量机方法对地下厂房拱顶变形进行预测分析;针对各影响因子之间相互影响、相互干扰的问题,用拉格朗日支持向量机来表征荷载—变形之间的非线性及荷载之间的耦合关系,与标准支持向量机相比极大的提高了计算速度;同时针对拉格朗日支持向量机对参数取值敏感问题,提出利用粒子群算法对相关参数进行搜索优化以达到最佳拟合效果。该方法应用到地下厂房拱顶变形预测中,用来预测某地下厂房的拱顶变形,结果表明:该方法拟合度较高,预测误差在1 mm内,误差较小,满足工程设计要求。
关键词
拉格朗日支持向量机
粒子群
地下厂房
变形预测
Keywords
Lagrangian support vector regression
particle swarm
underground power house Reformation prediction
分类号
P642.22 [天文地球—工程地质学]
下载PDF
职称材料
题名
拉格朗日支持向量回归的有限牛顿算法
被引量:
3
2
作者
郑逢德
张鸿宾
机构
北京工业大学计算机学院
出处
《计算机应用》
CSCD
北大核心
2012年第9期2504-2507,共4页
基金
国家自然科学基金资助项目(60775011)
文摘
拉格朗日支持向量回归是一种有效的快速回归算法,求解时需要对维数等于样本数加一的矩阵求逆,求解需要较多的迭代次数才能收敛。采用一种Armijo步长有限牛顿迭代算法求解拉格朗日支持向量回归的优化问题,只需有限次求解一组线性等式而不需要求解二次规划问题,该方法具有全局收敛和有限步终止的性质。在多个标准数据集上的实验验证了所提算法的有效性和快速性。
关键词
支持
向量
回归
拉格朗日支持向量机
有限牛顿算法
迭代算法
Keywords
Support Vector Regression (SVR)
Lagrangian support vector machine
finite Newton algorithm
iterative algorithm
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于DCNN特征与集成学习的车型分类算法
被引量:
2
3
作者
李大湘
王小雨
机构
西安邮电大学通信与信息工程学院
西安邮电大学电子信息现场勘验应用技术公安部重点实验室
出处
《计算机工程与设计》
北大核心
2020年第6期1624-1628,共5页
基金
陕西省国际合作交流基金项目(2017KW-013、2019JM-604)
国家自然科学基金项目(61571361、61102095)
西安邮电大学研究创新基金项目(CXJJLY2018037)。
文摘
针对传统人工设计特征描述不充分及单分类器泛化能力弱等问题,提出一种基于深度卷积神经网络(DCNN)特征与集成学习相结合的车型分类算法。微调VGG16深度卷积神经网络模型,将全连接层Fc7输出的4096维矢量采用PCA方法降至100维,作为图像的特征表示;采用拉格朗日支持向量机(LSVM)作为基分类器,以Adaboost方法自动学习各样本及基分类器的权重实现分类器集成。基于BIT和MIO-TCD数据集的对比实验结果表明,平均分类精度分别达到84.5%与83%,优于其它传统特征与单分类器方法。
关键词
深度卷积神经网络
集成学习
车型分类
拉格朗日支持向量机
提升算法
Keywords
deep convolutional neural network(DCNN)
ensemble learning
vehicle classification
Lagrange support vector machine(LSVM)
Adaboost
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于L-SVM的级联检测器的构造
4
作者
安平
吴涛
贺汉根
机构
中国航天员科研训练中心
国防科学技术大学机电工程与自动化学院自动化研究所
出处
《计算机工程与应用》
CSCD
北大核心
2009年第33期156-158,164,共4页
基金
国家自然基金重点资助项目(No.60234030)
文摘
为了实现目标的快速检测,提出了一种新的基于拉格朗日支持向量机(L-SVM)的线性级联式分类器的构造方法。该方法首先根据样本的几何分布,用迭代的方式把负样本分成若干部分与正样本线性可分的样本;然后用L-SVM对这些正负样本进行分类,得到若干个线性分类器;最后,将这些线性分类器顺次组合,构成级联分类器。实验表明,与经典非线性SVM分类器相比,这种分类器在保持SVM较强泛化性能的优点的同时,在检测效率方面更是具有明显的优势。
关键词
级联
几何
拉格朗日支持向量机
Keywords
cascade
geometry
Lagrangian Support Vector Machine(LSVM)
分类号
TP181 [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
作者
出处
发文年
被引量
操作
1
基于粒子群-拉格朗日支持向量机方法的地下厂房变形预测分析
薛兴祖
《能源与环保》
2018
2
下载PDF
职称材料
2
拉格朗日支持向量回归的有限牛顿算法
郑逢德
张鸿宾
《计算机应用》
CSCD
北大核心
2012
3
下载PDF
职称材料
3
基于DCNN特征与集成学习的车型分类算法
李大湘
王小雨
《计算机工程与设计》
北大核心
2020
2
下载PDF
职称材料
4
基于L-SVM的级联检测器的构造
安平
吴涛
贺汉根
《计算机工程与应用》
CSCD
北大核心
2009
0
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