核参数优化相关论文
随着系统结构的日益复杂和各类新技术的广泛应用，传统测试方法已经难以满足现代武器系统对测试性的要求。然而，测试性作为保障武器系......
核方法是目前机器学习领域的研究热点之一，广泛用于模式识别、数据挖掘、信号处理、计算机视觉等多个领域。基于子空间的降维方法则......
旋转机械是工业部门中应用最为广泛的一类机械设备,大型旋转机械故障诊断的研究对于避免巨额的经济损失和灾难事故的发生有着重要......
支持向量机(Support Vector Machine, SVM)是在统计学习理论(Statistical Learning Theory, SLT)基础上发展起来的一种具有优良性......
核方法是一类应用较为广泛的机器学习算法,已被应用于分类、聚类、回归和特征选择等方面.核函数的选择与参数优化一直是影响核方法......
针对传统多分类相关向量机(relevance vector machine,RVM)采用"最大票数赢(MVW)"决策策略的不足,为了提升相关向量机的多分类能力......
近年来,基于核主元分析与核偏最小二乘的方法经常被应用于过程监控与故障检测领域以克服工业过程的非线性.研究发现此类方法的检测......
由于微缺陷信号易受到材料结构噪声的影响,使得传统的分类方法对微缺陷信号的分类准确率有待进一步提高。因此,将核费舍尔方法用于......
针对燃气调压器故障数据的非线性、非平稳与高维度的特点,提出基于粒子群优化(PSO)的核主元分析法(KPCA)与学习向量量化神经网络(L......
针对智能优化算法原理复杂，相关参数设置困难的缺点，尝试利用拟牛顿法对核Fisher判别分析多个核参数进行自动优化。根据经验风险最小......
针对雷达目标高分辨距离像非线性可分和高特征维数的特点，提出一种基于优化核Fisher判别分析的雷达目标识别方法。该方法利用Fisher......
智能诊断系统的核心是有效的获取、传递、处理、再生和利用诊断信息,从而能够对给定环境下的诊断对象进行准确的故障模式识别和预......
电力负荷短期预测是电力系统调度、系统状态监测方面重要的研究课题。快速准确的负荷预测对于保证电力系统的安全性、可靠性、经济......
在数据驱动的滚动轴承状态辨识模型构建过程中,针对核极限学习机(Kernel Extreme Learning Machine,KELM)算法中高斯核函数的径向......
支持向量机因其良好分类能力被广泛应用于故障诊断中,但是它的核参数对其分类性能有较大影响,因此针对支持向量机参数选择问题,人......
为了提高语音情感识别系统的识别率,研究分析了一种支持向量机核函数参数的优选方法。首先给出影响支持向量机核参数的因素,其次依......
针对非线性、非平稳的行星齿轮箱振动信号故障特征"难提取"和基于核参数随机生成的高斯核极限学习机状态辨识模型分类精度低的问题......
股票市场对国家经济发展有着举足轻重的意义,对经济发展发挥着重要作用。对股票价格的预测研究无论是对个人和企业的投资者以及政......
故障诊断系统对保证核电站运行的安全性和经济性具有重要作用。目前，我国核电站主要采用传统的阈值报警方法，无法为操作人员提供故障......
