期刊文献+
共找到1,059篇文章
< 1 2 53 >
每页显示 20 50 100
基于Spark和IPPSO_LSSVM的短期分布式电力负荷预测算法 被引量:48
1
作者 王保义 王冬阳 张少敏 《电力自动化设备》 EI CSCD 北大核心 2016年第1期117-122,共6页
为了提高电力负荷预测的精度,应对单机运算资源不足的挑战,提出一种改进并行化粒子群算法优化的最小二乘支持向量机短期负荷预测模型。通过引入Spark on YARN内存计算平台,将改进并行粒子群优化(IPPSO)算法部署在平台上,对最小二乘支持... 为了提高电力负荷预测的精度,应对单机运算资源不足的挑战,提出一种改进并行化粒子群算法优化的最小二乘支持向量机短期负荷预测模型。通过引入Spark on YARN内存计算平台,将改进并行粒子群优化(IPPSO)算法部署在平台上,对最小二乘支持向量机(LSSVM)的不确定参数进行算法优化,利用优化后的参数进行负荷预测。通过引入并行化和分布式的思想,提高算法预测准确率和处理海量高维数据的能力。采用EUNITE提供的真实负荷数据,在8节点的云计算集群上进行实验和分析,结果表明所提分布式电力负荷预测算法精度优于传统的泛化神经网络算法,在执行效率上优于基于Map Reduce的分布式在线序列优化学习机算法,且提出的算法具有较好的并行能力。 展开更多
关键词 SPARK IPPSO lssvm 负荷预测 短期预测 支持向量机 并行处理 优化
下载PDF
基于长短期记忆神经网络的火电厂NO_x排放预测模型 被引量:41
2
作者 杨国田 张涛 +2 位作者 王英男 李新利 刘禾 《热力发电》 CAS 北大核心 2018年第10期12-17,共6页
火电厂燃煤锅炉产生的NO_x是大气污染物的重要来源之一,建立有效的NO_x排放预测模型是降低NO_x排放的基础。针对火电厂控制系统数据的海量化和高维化及燃煤锅炉多参数多变量相互耦合的特点,首先利用主成分分析法对火电厂分布式控制系统(... 火电厂燃煤锅炉产生的NO_x是大气污染物的重要来源之一,建立有效的NO_x排放预测模型是降低NO_x排放的基础。针对火电厂控制系统数据的海量化和高维化及燃煤锅炉多参数多变量相互耦合的特点,首先利用主成分分析法对火电厂分布式控制系统(DCS)数据进行特征提取,消除各特征变量间的耦合性;然后将提取的特征作为长短期记忆(LSTM)神经网络的输入,得到火电厂NO_x排放预测模型。将该模型与传统循环神经网络(RNN)模型、最小二乘支持向量机(LSSVM)模型应用于某超超临界660 MW机组燃煤锅炉对NO_x排放质量浓度进行预测。结果表明:LSTM神经网络和RNN模型预测效果均优于LSSVM模型;本文提出的LSTM神经网络模型预测准确率达到79%,均方根误差为0.398,优于其他2种模型;LSTM神经网络模型数据跟踪效果明显优于RNN模型,预测结果波动较小,模型稳定性和准确率较高。 展开更多
关键词 火电厂 NOX排放 预测模型 LSTM神经网络 RNN lssvm 主成分分析 特征提取
下载PDF
基于改进天牛须搜索算法优化LSSVM短期电力负荷预测方法研究 被引量:41
3
作者 闫重熙 陈皓 《电测与仪表》 北大核心 2020年第6期6-11,18,共7页
为提高短期电力负荷预测精度,提出了一种天牛须搜索算法优化的LSSVM短期电力负荷预测模型。引入模拟退火算法的蒙特卡洛法则对优化算法进行改进,提高了该算法的稳定性。将改进BAS算法优化后的LSSVM模型用于短期电力负荷预测问题。使用... 为提高短期电力负荷预测精度,提出了一种天牛须搜索算法优化的LSSVM短期电力负荷预测模型。引入模拟退火算法的蒙特卡洛法则对优化算法进行改进,提高了该算法的稳定性。将改进BAS算法优化后的LSSVM模型用于短期电力负荷预测问题。使用小波阈值去噪处理电力负荷数据,减少一些不确定性因素对负荷预测的影响,提高了预测精度。选择四川某地区电网实际历史负荷数据进行分析和预测,并与PSO-LSSVM、LSSVM预测模型进行对比分析。算例结果表明,所提出的IBAS-LSSVM预测模型与LSSVM相比预测精度提升了1.5%左右,与PSO-LSSVM相比算法运行时间缩短了70%,且算法稳定性更高,证明了该方法的实用性与有效性。 展开更多
关键词 天牛须搜索算法 短期负荷预测 支持向量机 粒子群算法 小波阈值去噪
下载PDF
基于云粒子群-最小二乘支持向量机的传感器温度补偿 被引量:30
4
作者 张朝龙 江巨浪 +3 位作者 李彦梅 陈世军 査长礼 王陈宁 《传感技术学报》 CAS CSCD 北大核心 2012年第4期472-477,共6页
针对传感器的测量精度受温度影响较大问题,提出了一种基于云粒子群-最小二乘支持向量机(CMPSO-LSSVM)的温度补偿方法。云粒子群算法(CMPSO)将云模型算法应用于粒子群优化(PSO)算法的收敛机制,具有寻优精度高的特点。CMPSO算法对LSSVM的... 针对传感器的测量精度受温度影响较大问题,提出了一种基于云粒子群-最小二乘支持向量机(CMPSO-LSSVM)的温度补偿方法。云粒子群算法(CMPSO)将云模型算法应用于粒子群优化(PSO)算法的收敛机制,具有寻优精度高的特点。CMPSO算法对LSSVM的参数进行优化选择,建立CMPSO-LSSVM传感器温度补偿模型。将该模型应用于振弦式传感器的温度补偿,通过实验证明了该温度补偿方法优于当前其他主要方法。 展开更多
关键词 云模型 粒子群优化 最小二乘支持向量机 温度补偿
下载PDF
基于粒子群算法和支持向量机的故障诊断研究 被引量:28
5
作者 张树团 张晓斌 +1 位作者 雷涛 邸亚洲 《计算机测量与控制》 CSCD 2008年第11期1573-1574,1581,共3页
支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中;支持向量机中核函数的参数选择非常重要,它决定着故障... 支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中;支持向量机中核函数的参数选择非常重要,它决定着故障诊断的精确度;为了提高电气设备故障诊断的精度和效率,将粒子群优化算法和最小二乘支持向量机相结合,提出了一种基于粒子群支持向量机的故障诊断方法,能够实现对核函数的σ参数进行快速动态选取,提高故障诊断的准确率和效率;实验表明,该方法能够有效地找出合适的核参数,并能取得较好的分类效果。 展开更多
关键词 最小二乘支持向量机 粒子群算法 故障诊断 全局最优
下载PDF
基于CEEMD-FE和AOA-LSSVM的短期电力负荷预测 被引量:27
6
作者 杨海柱 田馥铭 +1 位作者 张鹏 石剑 《电力系统保护与控制》 EI CSCD 北大核心 2022年第13期126-133,共8页
针对电力负荷预测精度不高、效率低的问题,采用算术优化算法(AOA)和最小二乘支持向量机(LSSVM)的模型对经过互补集合经验模态分解(CEEMD)和模糊熵(FE)综合处理后的子序列进行预测,构建了CEEMD-FE-AOA-LSSVM预测模型。首先,利用FE算法对... 针对电力负荷预测精度不高、效率低的问题,采用算术优化算法(AOA)和最小二乘支持向量机(LSSVM)的模型对经过互补集合经验模态分解(CEEMD)和模糊熵(FE)综合处理后的子序列进行预测,构建了CEEMD-FE-AOA-LSSVM预测模型。首先,利用FE算法对经过CEEMD处理后的各子序列进行熵值重组,该过程提高了模型的抗干扰能力和运算效率。然后,用AOA-LSSVM模型对处理后的子序列进行预测,并将预测叠加输出。最后,通过误差函数对模型进行横向对比和纵向对比,利用两种对比结果来检验其性能。通过实验可知,与CEEMD-LSSVM、AOA-LSSVM、CEEMD-AOA-LSSVM等其他模型相比,CEEMD-FE-AOA-LSSVM组合模型能够兼顾到预测精度与预测效率两方面,做到了综合性能的提升。同时也验证了经过CEEMD或AOA处理的模型能够有效地提升预测精度。 展开更多
关键词 算术优化算法 最小二乘支持向量机 组合模型 短期负荷预测
下载PDF
结合纹理因子和地形因子的森林蓄积量多光谱估测模型 被引量:24
7
作者 杨柳 冯仲科 +1 位作者 岳德鹏 孙金华 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2017年第7期2140-2145,共6页
森林蓄积量是林分调查中重要因子,是评价森林数量和质量的重要指标。传统森林蓄积量实测方法耗时费力、效率低下,多元线性回归遥感反演方法精度较低,难以达到精准林业要求。机器学习是一种利用训练数据,进行自我改进、自动提升性能的方... 森林蓄积量是林分调查中重要因子,是评价森林数量和质量的重要指标。传统森林蓄积量实测方法耗时费力、效率低下,多元线性回归遥感反演方法精度较低,难以达到精准林业要求。机器学习是一种利用训练数据,进行自我改进、自动提升性能的方法,可以任意逼近非线性系统,提高模型预测精度。以鹫峰林场森林为研究对象,综合考虑影像光谱因子、纹理因子、地形因子,采用机器学习中的BP神经网络、最小二乘支持向量机、随机森林方法构建了森林蓄积量多光谱估测模型BP-FSV,LSSVM-FSV和RF-FSV,并在Matlab2014a中编程实现。旨在从建模因子选择和模型方法建立两个方面,优化建模因子特征提取,提高森林蓄积量模型预测精度。以角规观测样地实测数据、森林小班二类调查数据、林相图数据为基础,使用以上三种模型结合Landsat8OLI多光谱数据分林型进行了森林蓄积量反演建模预测。以决定系数R2和均方根误差RMSE为指标,分析了三种反演模型的训练能力和预测能力。研究结果表明:利用3种机器学习方法构建的结合光谱因子、地形因子、纹理因子反演模型能够提高森林蓄积量的预测精度。以上模型中,RF-FSV模型在针、阔、混三种林型中都表现出较强的预测能力,高于BP-FSV模型,高于或接近于LSSVM-FSV模型。RF-FSV模型在训练阶段,R2和RMSE针叶林中为0.839和13.953 3,阔叶林中为0.924和7.634 1,混交林中为0.902和12.153 9,预测阶段R2和RMSE在针叶林中为0.816和15.630 1,阔叶林中为0.913和4.890 2,混交林中为0.865和9.344 1。RF-FSV模型建模精度和预测精度较高,为森林蓄积量遥感反演估测提供了一种新的方法。 展开更多
关键词 随机森林 遥感反演 森林蓄积量 最小二乘支持向量机 BP神经网络
下载PDF
关于遗传算法优化的最小二乘支持向量机在MBR仿真预测中的研究 被引量:23
8
作者 聂敬云 李春青 +1 位作者 李威威 王韬 《软件》 2015年第5期40-44 48,48,共6页
提出了一种基于遗传算法(GA)优化的最小二乘支持向量机(LSSVM)的MBR膜通量预测算法。为了准确的选择LSSVM的参数,该算法采用GA对LSSVM模型的惩罚因子和核函数参数进行优化。针对MBR膜污染因子较为复杂且各因子之间相互交叉,首先对影响MB... 提出了一种基于遗传算法(GA)优化的最小二乘支持向量机(LSSVM)的MBR膜通量预测算法。为了准确的选择LSSVM的参数,该算法采用GA对LSSVM模型的惩罚因子和核函数参数进行优化。针对MBR膜污染因子较为复杂且各因子之间相互交叉,首先对影响MBR膜通量的各因子进行主成分分析(PCA),提炼出重要因子作为LSSVM的输入层,膜通量作为输出层,然后建立GA-LSSVM仿真预测模型,并用该预测模型运算得出预测结果。通过对比预测结果和实验数据,得出该算法对膜通量有较高的预测精度,并将其与BP神经网络模型进行了比较,结果表明该预测模型具有更高的预测精度。 展开更多
关键词 膜生物反应器 膜通量 最小二乘支持向量机 遗传算法
下载PDF
基于即时学习算法的短期负荷预测方法 被引量:23
9
作者 朱清智 董泽 马宁 《电力系统保护与控制》 EI CSCD 北大核心 2020年第7期92-98,共7页
针对电力系统短期负荷数据存在非线性和时变性等问题,提出了一种变量相关性局部即时学习算法和最小二乘支持向量机(LSSVM)的电力系统短期负荷预测模型。利用互信息计算气象数据、各气象因素等变量的相关度,并引入到即时学习算法训练集中... 针对电力系统短期负荷数据存在非线性和时变性等问题,提出了一种变量相关性局部即时学习算法和最小二乘支持向量机(LSSVM)的电力系统短期负荷预测模型。利用互信息计算气象数据、各气象因素等变量的相关度,并引入到即时学习算法训练集中,用以选择当前电力系统负荷的建模邻域,提高系统短期负荷模型预测的精度。利用相似度阈值对局部模型进行自适应更新,增强系统负荷模型实时性。利用Matlab对某市宛城区的负荷量进行预测,结果表明,基于即时学习算法的电力系统短期负荷预测模型误差更小,系统预测精度更高。 展开更多
关键词 短期电力负荷 最小二乘支持向量机 即时学习算法 变量相关性 相似度阈值
下载PDF
基于MEEMD-LSSVM的风电功率超短期预测研究 被引量:20
10
作者 魏乐 李思莹 《智慧电力》 北大核心 2020年第5期21-26,共6页
针对风能的波动性和间歇性,提出了一种基于改善集成经验模式分解(MEEMD)和最小二乘支持向量机(LSSVM)的风电功率超短期预测方法,首先利用MEEMD将功率序列根据频率高低分解为特征不同的本征模态分量(IMF),然后计算各IMF的样本熵,合并熵... 针对风能的波动性和间歇性,提出了一种基于改善集成经验模式分解(MEEMD)和最小二乘支持向量机(LSSVM)的风电功率超短期预测方法,首先利用MEEMD将功率序列根据频率高低分解为特征不同的本征模态分量(IMF),然后计算各IMF的样本熵,合并熵值相似的IMF分量.对合并之后的各IMF分量分别进行LSSVM子模型建模,最后将各分量建模结果叠加得到功率预测曲线.基于大连风电场现场数据的检验结果说明,该方法预测精度较高且运算时间合理,适用于工程上风电功率的预测. 展开更多
关键词 风电功率预测 MEEMD 样本熵 lssvm
下载PDF
基于PSO-LSSVM的高压电力电缆接头温度预测 被引量:19
11
作者 何邦乐 黄勇 +1 位作者 叶頲 徐浩森 《电力工程技术》 2019年第1期31-35,共5页
高压电力电缆接头温度是反映电缆运行状况的重要指标,对接头温度进行精确预测可提高电缆安全运行水平。采用最小二乘支持向量机建立适用于电缆接头的温度预测模型,并给出了预测方法的具体步骤。模型以电缆接头的历史温度、环境温度、湿... 高压电力电缆接头温度是反映电缆运行状况的重要指标,对接头温度进行精确预测可提高电缆安全运行水平。采用最小二乘支持向量机建立适用于电缆接头的温度预测模型,并给出了预测方法的具体步骤。模型以电缆接头的历史温度、环境温度、湿度和线芯/护层电流比为输入样本,电缆接头的表面温度为输出。为了提高预测精度,采用粒子群优化算法对模型的标准化参数和正则化参数进行动态寻优。以上海某110 k V电缆接头为例进行预测,结果表明,提出的方法能较好地预测电缆接头温度,预测精度高,为电缆温度监测和预警系统提供可靠的判断依据。 展开更多
关键词 电力电缆 接头温度预测模型 lssvm 粒子群优化算法
下载PDF
基于二阶振荡微粒群最小二乘支持向量机的物流需求预测 被引量:19
12
作者 耿立艳 赵鹏 张占福 《计算机应用研究》 CSCD 北大核心 2012年第7期2558-2560,共3页
为了提高物流需求的预测精度,在分析物流需求影响因素基础上,建立了物流需求的二阶振荡微粒群最小二乘支持向量机预测模型。利用最小二乘支持向量机(LSSVM)描述物流需求与其影响因素间的复杂非线性关系,并通过二阶振荡微粒群(TOOPSO)算... 为了提高物流需求的预测精度,在分析物流需求影响因素基础上,建立了物流需求的二阶振荡微粒群最小二乘支持向量机预测模型。利用最小二乘支持向量机(LSSVM)描述物流需求与其影响因素间的复杂非线性关系,并通过二阶振荡微粒群(TOOPSO)算法优化选择LSSVM参数。实例分析表明,模型具有较高的预测精度,TOOPSO算法搜索LSSVM最优参数时间明显少于传统交叉验证法,是一种有效的物流需求预测方法。 展开更多
关键词 物流需求预测 最小二乘支持向量机 二阶振荡微粒群算法
下载PDF
基于最小二乘支持向量机的改进型在线NO_x预测模型 被引量:16
13
作者 丁续达 金秀章 张扬 《热力发电》 CAS 北大核心 2019年第1期61-67,共7页
本文提出了一种基于预测误差的在线更新最小二乘支持向量机(LSSVM)的NOx预测模型。LSSVM模型以预测精度作为在线更新的目标,在保证预测精度的前提下,选取影响NO_x排放的输入参数,模型输入数据的更新由总体误差决定,并由个体样本的误差... 本文提出了一种基于预测误差的在线更新最小二乘支持向量机(LSSVM)的NOx预测模型。LSSVM模型以预测精度作为在线更新的目标,在保证预测精度的前提下,选取影响NO_x排放的输入参数,模型输入数据的更新由总体误差决定,并由个体样本的误差指导数据选取,克服了原在线更新LSSVM模型中的单步更新计算量随时间增加、更新算法参数选取困难等问题。利用模拟实验和电厂分布式控制系统(DCS)实际数据对本文提出算法模型和原算法模型进行仿真,结果表明本文提出模型预测精度和计算速度均能够达到现场运用的要求。与原算法模型相比,在保持相同精度的前提下,计算速度是原算法模型的3.24倍,使用方法更简单,更适合现场使用。 展开更多
关键词 软测量 lssvm NOx监测 在线预测模型 超低排放 SCR
下载PDF
一种短期风电功率集成预测方法 被引量:15
14
作者 张颖超 郭晓杰 +1 位作者 叶小岭 邓华 《电力系统保护与控制》 EI CSCD 北大核心 2016年第7期90-95,共6页
为提高短期风电功率预测精度,缩短模型训练时间,提出了一种短期风电功率集成预测方法。根据风速功率曲线和风速频率特征,将风速划分为高、中、低三段,并对每段的风速功率特征进行统计分析。高、低风速段功率波动较大,使用最小二乘支持... 为提高短期风电功率预测精度,缩短模型训练时间,提出了一种短期风电功率集成预测方法。根据风速功率曲线和风速频率特征,将风速划分为高、中、低三段,并对每段的风速功率特征进行统计分析。高、低风速段功率波动较大,使用最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)方法可取得较高的预测精度。中风速段风速数据点较多,且风速和功率有明显的物理关系,使用高斯(Gaussian)模型预测。并用风速功率等级表对各段预测的结果进行订正,保证了算法的稳定性。用上海某风电场2014年的历史数据,验证了Gaussian模型以及高、中、低风速段对应的预测算法选取的合理性。与LSSVM预测方法相比较,集成预测方法既提高了预测精度又缩短了预测时间,适合风电场短期功率的实时预测。 展开更多
关键词 短期风电功率预测 集成预测方法 Gaussian模型 lssvm Weibull
下载PDF
基于遗传算法和支持向量机的故障诊断方法 被引量:17
15
作者 张大为 段哲民 +1 位作者 李鹏 张晓辉 《计算机测量与控制》 CSCD 北大核心 2010年第8期1745-1747,共3页
支持向量机是一种采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力,广泛的应用于故障诊断和函数拟合中;以某型直升机机载电气盒的故障诊断为实验平台,提... 支持向量机是一种采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力,广泛的应用于故障诊断和函数拟合中;以某型直升机机载电气盒的故障诊断为实验平台,提出了一种自适应遗传算法和最小二乘支持向量机相结合的故障诊断方法,利用自适应遗传算法强大的全局搜索能力对最小二乘支持向量机的参数进行寻优;仿真结果表明,基于自适应遗传算法优化的最小二乘支持向量机取得了较好的故障诊断精度和效率。 展开更多
关键词 最小二乘支持向量机 自适应遗传算法 机载电气盒 故障诊断
下载PDF
基于EMD近似熵和LSSVM的齿轮箱故障诊断研究 被引量:14
16
作者 黄俊 潘宏侠 都衡 《组合机床与自动化加工技术》 北大核心 2014年第3期111-113,共3页
针对齿轮箱振动信号的非平稳特征,将具有局域化特性的EMD方法和近似熵相结合,并用LSSVM进行分类来实现齿轮箱故障诊断。首先利用EMD将振动信号分解成若干IMF分量,再对IMF分量求取近似熵,组成特征向量矩阵,输入到LSSVM分类器中进行故障... 针对齿轮箱振动信号的非平稳特征,将具有局域化特性的EMD方法和近似熵相结合,并用LSSVM进行分类来实现齿轮箱故障诊断。首先利用EMD将振动信号分解成若干IMF分量,再对IMF分量求取近似熵,组成特征向量矩阵,输入到LSSVM分类器中进行故障识别。结果表明,与传统SVM相比,LSSVM的识别精度更高,验证了该方法的可行性。 展开更多
关键词 EMD 近似熵 lssvm 故障诊断
下载PDF
基于PSO-LSSVM的森林地上生物量估测模型 被引量:16
17
作者 杨柳 孙金华 +2 位作者 冯仲科 岳德鹏 杨立岩 《农业机械学报》 EI CAS CSCD 北大核心 2016年第8期273-279,287,共8页
为提高森林地上生物量估测精度,从建模因子和建模方法出发,提出了一种综合考虑影像纹理特征、地形特征、光谱特征的粒子群优化最小二乘支持向量机生物量估测方法。以松山自然保护区为研究区域,以资源三号遥感卫星数据为数据源,配合194... 为提高森林地上生物量估测精度,从建模因子和建模方法出发,提出了一种综合考虑影像纹理特征、地形特征、光谱特征的粒子群优化最小二乘支持向量机生物量估测方法。以松山自然保护区为研究区域,以资源三号遥感卫星数据为数据源,配合194块调查样地实测数据、森林资源二类调查数据、数字高程模型数据,通过分析46个特征变量与森林地上生物量间的Pearson相关性,进行特征变量优化提取,建立PSO-LSSVM模型并在Matlab 2014a上编程实现。以决定系数R2和均方根误差RMSE为指标,对比分析了PSO-LSSVM和多元线性回归地上生物量模型精度。研究结果表明:PSO-LSSVM模型在针叶林、阔叶林、灌木林3种类型中预测决定系数分别为0.867、0.853、0.842,比多元线性回归模型分别提高了23.15%、19.13%、14.40%。PSO-LSSVM地上生物量模型具有良好的自学能力和自适应能力,它取代了传统的遍历优化方法,在全局优化及收敛速度方面具有较大优势,预测精度较高。 展开更多
关键词 森林地上生物量 粒子群算法 最小二乘支持向量机 估测模型
下载PDF
基于混合核函数的LSSVM网络入侵检测方法 被引量:16
18
作者 赵夫群 《现代电子技术》 北大核心 2015年第21期96-99,共4页
针对常规网络入侵检测算法检测率低、误报率高以及检测效率低下等问题,在此使用基于混合核函数的最小二乘支持向量机作为网络入侵检测模型的核心算法,使用粒子群优化算法对最小二乘支持向量机的各个参数进行优化。使用著名的KDD CUP99... 针对常规网络入侵检测算法检测率低、误报率高以及检测效率低下等问题,在此使用基于混合核函数的最小二乘支持向量机作为网络入侵检测模型的核心算法,使用粒子群优化算法对最小二乘支持向量机的各个参数进行优化。使用著名的KDD CUP99数据库中的部分数据样本对网络入侵检测模型进行训练和测试,以验证所提出网络入侵检测方法的性能。测试实验结果表明,提出的基于混合核函数的PSO-LSSVM算法具有更好的检测性能,提高了检测系统的检测率。 展开更多
关键词 最小二乘支持向量机 粒子群优化 网络入侵检测 混合核函数
下载PDF
基于核熵成分分析的模拟电路早期故障诊断方法 被引量:16
19
作者 张朝龙 何怡刚 +2 位作者 袁莉芬 王金平 佐磊 《仪器仪表学报》 EI CAS CSCD 北大核心 2015年第3期675-684,共10页
针对模拟电路早期故障诊断中存在部分早期故障类别重叠的难点,提出了一种基于核熵成分分析的故障诊断方法。首先应用小波分形分析计算被测电路时域响应信号的小波分形维特征,然后利用核熵成分分析方法进行特征的优选与降维,最后将优选... 针对模拟电路早期故障诊断中存在部分早期故障类别重叠的难点,提出了一种基于核熵成分分析的故障诊断方法。首先应用小波分形分析计算被测电路时域响应信号的小波分形维特征,然后利用核熵成分分析方法进行特征的优选与降维,最后将优选和降维后的特征应用最小二乘支持向量机多类分类器进行区分,其中用于识别重叠故障类别的最小二乘支持向量机的参数由量子粒子群算法优化选择。仿真结果表明,本文提出的核熵成分分析方法能较好地获取故障响应信号的本质特征,并表现出了比其他特征提取方法更好的性能,有助于提高模拟电路早期故障的诊断正确率。 展开更多
关键词 模拟电路 早期故障诊断 小波分形分析 核熵成分分析 最小二乘支持向量机 量子粒子群算法
下载PDF
供应链金融中小企业风险评估模型 被引量:16
20
作者 任歌 《统计与决策》 CSSCI 北大核心 2013年第17期176-179,共4页
基于最小二乘支持向量机,从供应链金融的视角,设计了中小企业的信用风险评估指标体系,在阐释最小二乘支持向量机基本原理的基础上,分析了最小二乘支持向量机模型与传统风险评估模型、BP神经网络风险评估模型相比在信用风险评估方面的优... 基于最小二乘支持向量机,从供应链金融的视角,设计了中小企业的信用风险评估指标体系,在阐释最小二乘支持向量机基本原理的基础上,分析了最小二乘支持向量机模型与传统风险评估模型、BP神经网络风险评估模型相比在信用风险评估方面的优势,选择通过构造最小二乘支持向量机模型以帮助商业银行对中小企业的信用风险进行贷前评估。 展开更多
关键词 供应链金融 中小企业 信用风险 lssvm
下载PDF
上一页 1 2 53 下一页 到第
使用帮助 返回顶部