期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于PCA-ML-RBF模型的资源环境承载能力监测与空间规划实施情景模拟研究 被引量:4
1
作者 李强 徐斌 +1 位作者 李文睿 郝若妍 《地理与地理信息科学》 CSCD 北大核心 2020年第5期106-111,共6页
资源环境承载能力是区域可持续发展蓝图的本底基础与重要支撑,空间规划的实施也将驱动资源环境承载能力的演进。为科学监测区域资源环境承载能力,分析规划实施情景下资源环境承载能力状况,从压力—支撑、破坏—修复、消退—提升6个维度... 资源环境承载能力是区域可持续发展蓝图的本底基础与重要支撑,空间规划的实施也将驱动资源环境承载能力的演进。为科学监测区域资源环境承载能力,分析规划实施情景下资源环境承载能力状况,从压力—支撑、破坏—修复、消退—提升6个维度构建区域资源环境承载能力监测体系,并集成主成分分析(PCA)和多标签径向基(ML-RBF)神经网络模型,开展北京市2010-2018年资源环境承载能力监测与空间规划实施情景下的资源环境承载能力演进模拟。结果显示:1)北京市2010-2018年的资源环境承载能力在0.951~1.221之间,承载支撑因素、修复因素与提升因素的贡献逐年上升,在2018年达到0.552,表征环境与生态状态的破坏因素和消退因素自2010年的0.472减少至2018年的0.452;2)在国土空间规划实施情景下,北京市2035年的资源环境承载能力可达1.447,压力—支撑、破坏—修复、消退—提升6个维度的承载状态结构进一步优化,分别为0.188与0.296、0.131与0.122、0.090与0.174。研究表明:PCA-ML-RBF模型能够科学监测区域资源环境承载能力,定量计算指标贡献,并对空间规划实施情景下的资源环境承载能力演进状况进行模拟,可为区域资源环境承载能力监测与国土空间规划实施情景模拟提供方法体系借鉴。 展开更多
关键词 资源环境承载能力 PCA-ml-rbf模型 空间规划实施 情景模拟 北京市
下载PDF
CL-RBF:一种基于改进ML-RBF的蛋白质亚细胞多点定位预测算法
2
作者 薛卫 洪晓宇 +2 位作者 胡雪娇 陈行健 张梁 《食品与生物技术学报》 CAS CSCD 北大核心 2020年第2期66-73,共8页
综合考虑标记内和标记间的聚类结果对多目标学习径向基神经网络算法(RBF Neural Networks for Multi-Label Learning,ML-RBF)的影响,提出CL-RBF算法并应用到蛋白质亚细胞多点定位预测中。通过引入轮廓系数(Silhouette Coefficient)对ML-... 综合考虑标记内和标记间的聚类结果对多目标学习径向基神经网络算法(RBF Neural Networks for Multi-Label Learning,ML-RBF)的影响,提出CL-RBF算法并应用到蛋白质亚细胞多点定位预测中。通过引入轮廓系数(Silhouette Coefficient)对ML-RBF隐层中心的个数进行优化,并通过分析标记间聚类结果的关系,对小于某一阈值的标记间的聚类中心重新聚类,使用梯度下降算法进行参数调整,最后依据测试样本与标记L的隐层中心和不属于标记L的样本生成的聚类中心的欧式距离差调整预测结果。在10折交叉验证下,采用词袋模型(Bag of Words)和氨基酸组成法(Amino acid composition,AAC)结合的方式提取特征向量,选取另外4种多目标学习算法作对比实验,根据不同评价指标的结果,得出CL-RBF算法在4个多标记数据集上的综合性能最优的结论。本研究预测算法通过网站https://njau.applinzi.com/homepage_final.jsp实现。 展开更多
关键词 ml-rbf 亚细胞定位 轮廓系数 词袋模型
下载PDF
基于自适应粒子群优化的RBF毫米波信道建模研究 被引量:5
3
作者 胡玮 耿绥燕 赵雄文 《电波科学学报》 CSCD 北大核心 2021年第3期405-412,共8页
基于毫米波室内无线信道测量数据,将机器学习(machine learning,ML)中的径向基函数(radial basis function,RBF)方法应用于毫米波信道建模中,建立了基于自适应粒子群优化(adaptive particle swarm optimization,APSO)的RBF神经网络信道... 基于毫米波室内无线信道测量数据,将机器学习(machine learning,ML)中的径向基函数(radial basis function,RBF)方法应用于毫米波信道建模中,建立了基于自适应粒子群优化(adaptive particle swarm optimization,APSO)的RBF神经网络信道参数预测模型,并与传统RBF算法的预测结果进行了比较.利用APSO-RBF模型对信道大尺度参数(large-scale channel parameter,LSCP)如路径损耗(path loss,PL)、时延扩展(delay spread,DS)等数据的特征进行了学习和预测.结果表明,APSO-RBF模型信道参数的预测值与实际测量值非常吻合,均方根误差(root-mean-square error,RMSE)较小,且预测曲线与原始测量值曲线的拟合度较好,该算法的学习性能和预测效果均优于传统RBF算法.另外,APSO-RBF模型在数据量波动较大的情况下对信道参数的变化有着良好的适应性,对5G毫米波信道参数可以取得较好的预测效果. 展开更多
关键词 机器学习(ML) 信道建模 自适应粒子群算法 RBF神经网络 参数预测
下载PDF
A numerical approach based on the meshless collocation method in elastodynamics 被引量:1
4
作者 Alireza Sadeghirad Iradj Mahmoudzadeh Kani +1 位作者 Mohammad Rahimian Ali Vaziri Astaneh 《Acta Mechanica Sinica》 SCIE EI CAS CSCD 2009年第6期857-870,共14页
In this paper, a collocation technique with the modified equilibrium on line method (ELM) for imposition of Neumann (natural) boundary conditions is presented for solving the two-dimensional problems of linear ela... In this paper, a collocation technique with the modified equilibrium on line method (ELM) for imposition of Neumann (natural) boundary conditions is presented for solving the two-dimensional problems of linear elastic body vibrations. In the modified ELM, equilibrium over the lines on the natural boundary is satisfied as Neumann boundary condition equations. In other words, the natural boundary conditions are satisfied naturally by using the weak formulation. The performance of the modified version of the ELM is studied for collocation methods based on two different ways to construct meshless shape functions: moving least squares approximation and radial basis point interpolation. Numerical examples of two-dimensional free and forced vibration analyses show that by using the modified ELM, more stable and accurate results would be obtained in comparison with the direct collocation method. 展开更多
关键词 Free and forced vibration. Meshless collocation method . Modified equilibrium on line method ~Moving least squares (MLS) - Radial basis functions (RBF)
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部