期刊导航
期刊开放获取
cqvip
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
8
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
混沌信号与噪声
被引量:
22
1
作者
龚云帆
徐健学
《信号处理》
CSCD
1997年第2期112-118,125,共8页
本文通过三种方法分别研究了Lorenz模型和高斯白噪声,获得了混沌信号和噪声在这些方法下的不同表现特征。提出了根据关联维数(correlationdimension)判断降噪效果的方法,并进一步探讨了采用主分量分析(principalcomponentanalysis...
本文通过三种方法分别研究了Lorenz模型和高斯白噪声,获得了混沌信号和噪声在这些方法下的不同表现特征。提出了根据关联维数(correlationdimension)判断降噪效果的方法,并进一步探讨了采用主分量分析(principalcomponentanalysis)确定嵌入维数(embeddingdimension)和去除混沌信号中噪声的可行性。最后得出结论:主分量分析用于确定嵌入维数和降低混沌信号中的噪声是不合适的。
展开更多
关键词
相空间重构
混沌信号
噪声
关联维数
FFT
下载PDF
职称材料
基于多元混沌时间序列的油田产量预测模型
被引量:
11
2
作者
钟仪华
林旭旭
刘雨鑫
《数学的实践与认识》
北大核心
2016年第6期99-105,共7页
油田产量的预测一直是石油工作者研究的重要课题.针对油田产油量、产水量、地层压力和时间之间有着混沌的特征,利用多变量混沌时间序列等方法研究了油田产量的混沌建模和预测问题.用C-C算法确定每一个变量的嵌入维数和延迟时间,重构多...
油田产量的预测一直是石油工作者研究的重要课题.针对油田产油量、产水量、地层压力和时间之间有着混沌的特征,利用多变量混沌时间序列等方法研究了油田产量的混沌建模和预测问题.用C-C算法确定每一个变量的嵌入维数和延迟时间,重构多元混沌时间序列的相空间;使用基于奇异值分解的主成分分析消除重构相空间的冗余变量和噪声干扰,建立了有较好泛化性能的多元混沌时间序列油田产量预测模型;最后将混沌时间序列预测和Elman神经网络进行耦合,创建了基于主成分分析前馈网络的多元混沌时间序列油田产量预测方法.应研究表明,提出的多变量混沌时间序列预测方法的预测精确度优于单变量预测,它可用于解决具有多变量混沌时间序列的预测问题.
展开更多
关键词
多变量混沌时间序列
C-C算法
相空间重构
主成分分析
ELMAN神经网络
原文传递
基于相空间重构和随机配置网络的电力负荷短期预测
被引量:
11
3
作者
赵允文
李鹏
+2 位作者
孙煜皓
沈鑫
杨晓华
《电力建设》
CSCD
北大核心
2021年第9期120-128,共9页
针对配电网负荷随时间空间变化的非线性特征导致短期负荷预测精度低和模型训练时间成本高的问题,设计了一种基于相空间重构(phase space reconstruction,PSR)和随机配置网络(stochastic configuration networks,SCN)的电力负荷短期预测...
针对配电网负荷随时间空间变化的非线性特征导致短期负荷预测精度低和模型训练时间成本高的问题,设计了一种基于相空间重构(phase space reconstruction,PSR)和随机配置网络(stochastic configuration networks,SCN)的电力负荷短期预测模型.首先将配电网数据中与负荷相关的气象数据通过主元分析法(principal component analysis,PCA)进行数据降维,并与负荷序列组合成多变量的时间序列,运用混沌时间序列理论,通过互信息法和虚假近邻法求取参数并重构相空间,最后使用随机配置网络预测电力负荷.采用欧洲电网公开数据集的历史负荷和气象数据验证所提方法,结果表明,与网格搜索法优化的支持向量机(support vector machines,SVM)、反向传播神经网络(back propagation neural networks,BP)、长短期记忆网络(long short-term memory network,LSTM)和整合移动平均自回归(autoregressive integrated moving average,ARIMA)相比,所设计方法具有智能化水平高、运算高效的特点,有一定的实用价值.
展开更多
关键词
配电网
短期负荷预测
相空间重构(PSR)
主元分析法(PCA)
随机配置网络(SCN)
原文传递
无理数序列的似混沌特性及其在加密中的应用
被引量:
4
4
作者
王青
陈婷
李锋
《计算机工程与应用》
CSCD
北大核心
2009年第18期85-88,93,共5页
将已提出的π序列定义和分析方法推广到无理数领域,引出了无理数序列,并以常用的无理数根号2、e为例,对无理数序列的自相关、功率谱、相空间、关联维数、最大Lyapunov指数和主分量等6个方面进行深入分析。结果表明这些无理数序列与混沌...
将已提出的π序列定义和分析方法推广到无理数领域,引出了无理数序列,并以常用的无理数根号2、e为例,对无理数序列的自相关、功率谱、相空间、关联维数、最大Lyapunov指数和主分量等6个方面进行深入分析。结果表明这些无理数序列与混沌序列具有相似的特性。然后将无理数序列应用到图像加密领域,取得了很好的图像加密效果。
展开更多
关键词
无理数序列
混沌序列
相空间重构
主分量分析
LYAPUNOV指数
图像加密
下载PDF
职称材料
深基坑开挖中KPCA结合BP神经网络的基坑变形预测
被引量:
5
5
作者
李成龙
李敬伟
王磊
《湘潭大学自然科学学报》
北大核心
2017年第4期60-63,共4页
针对开挖过程中基坑变形预测的问题,提出一种基于核主成分分析(KPCA)和BP神经网络的基坑变形预测方法.首先,根据实际施工情况,确定影响基坑变形的主要因素;然后,将基坑变形数据通过多变量相空间重构技术进行建模;接着,通过KPCA技术从变...
针对开挖过程中基坑变形预测的问题,提出一种基于核主成分分析(KPCA)和BP神经网络的基坑变形预测方法.首先,根据实际施工情况,确定影响基坑变形的主要因素;然后,将基坑变形数据通过多变量相空间重构技术进行建模;接着,通过KPCA技术从变形数据中提取出主要分量;最后,基于提取的主要分量来训练BP神经网络预测模型,以此实现对之后基坑施工中基坑变形的预测.实验结果表明,提出的预测模型能够准确地预测基坑变形程度,具有可行性.
展开更多
关键词
基坑开挖
基坑变形预测
相空间重构
BP神经网络
核主成分分析
下载PDF
职称材料
基于相空间重构和柔性神经树的乐器分类
被引量:
4
6
作者
郅逍遥
李临生
+2 位作者
郭喆
郭一娜
闫庆森
《计算机应用与软件》
CSCD
2015年第2期159-162,214,共5页
基于相空间重构理论和主成分分析理论,对不同乐器产生的音频时间序列进行处理。通过分析各类乐器的高维特性,采用概率密度函数来刻画各个乐器在相空间中的差异,然后将概率密度函数的参数与其他音色特征相结合,采用柔性神经树作为分类器...
基于相空间重构理论和主成分分析理论,对不同乐器产生的音频时间序列进行处理。通过分析各类乐器的高维特性,采用概率密度函数来刻画各个乐器在相空间中的差异,然后将概率密度函数的参数与其他音色特征相结合,采用柔性神经树作为分类器,提出一种新的乐器分类方法。柔性神经树能够解决人工神经网络结构的高度依赖性问题,还具有较高的识别率。实验表明,该分类器与BP神经网络和支持向量机比较具有较高的平均分类准确率和较低的均方根误差值。
展开更多
关键词
乐器分类
相空间重构
主成分分析
概率密度函数
柔性神经树
下载PDF
职称材料
同步辐射散射图像中心定位算法研究
被引量:
1
7
作者
刘中华
边风刚
+2 位作者
李勇平
李秀宏
田丰
《核技术》
CAS
CSCD
北大核心
2012年第9期646-650,共5页
介绍了一种基于相空间重构和主分量分析的样品在同步辐射SAXS\WAXS各向同性图像中散射环的中心定位算法。该算法在水平和垂直方向上分别扫描散射图像,并提取图像部分行和列的主分量以提高散射环中心定位的准确性,再根据圆的垂线定理确...
介绍了一种基于相空间重构和主分量分析的样品在同步辐射SAXS\WAXS各向同性图像中散射环的中心定位算法。该算法在水平和垂直方向上分别扫描散射图像,并提取图像部分行和列的主分量以提高散射环中心定位的准确性,再根据圆的垂线定理确定圆心。通过实验计算的结果和fit2d软件的比较,验证了该算法的有效性。
展开更多
关键词
相空间重构
主分量分析
中心定位
小角散射
原文传递
面向SaaS运营的主成分分析组合预测模型
8
作者
张婧
吴江
+1 位作者
李洪安
赵建东
《计算机工程与应用》
CSCD
2012年第18期217-222,230,共7页
为了建立面向SaaS运营的预测模型,提出了一种基于主成分分析的组合预测模型并应用于SaaS运营预测中。利用相空间重构预测模型、灰色预测模型和三次指数平滑预测模型这三种单一预测模型,结合主成分分析策略,建立组合预测模型。仿真实验...
为了建立面向SaaS运营的预测模型,提出了一种基于主成分分析的组合预测模型并应用于SaaS运营预测中。利用相空间重构预测模型、灰色预测模型和三次指数平滑预测模型这三种单一预测模型,结合主成分分析策略,建立组合预测模型。仿真实验结果表明,基于主成分分析的组合预测模型的预测精度高于各单一预测模型,发挥了各单一预测模型的优势,是面向SaaS运营预测的一种有效方法。
展开更多
关键词
相空间重构
灰色预测模型
三次指数平滑预测模型
主成分分析
组合预测模型
下载PDF
职称材料
题名
混沌信号与噪声
被引量:
22
1
作者
龚云帆
徐健学
机构
西安交通大学非线性动力学研究所
出处
《信号处理》
CSCD
1997年第2期112-118,125,共8页
基金
博士点基金
文摘
本文通过三种方法分别研究了Lorenz模型和高斯白噪声,获得了混沌信号和噪声在这些方法下的不同表现特征。提出了根据关联维数(correlationdimension)判断降噪效果的方法,并进一步探讨了采用主分量分析(principalcomponentanalysis)确定嵌入维数(embeddingdimension)和去除混沌信号中噪声的可行性。最后得出结论:主分量分析用于确定嵌入维数和降低混沌信号中的噪声是不合适的。
关键词
相空间重构
混沌信号
噪声
关联维数
FFT
Keywords
phase
space
reconstruction
noise
or
chaos
fast
Fourier
transform
correlation
dimension
principal component analysis
,
embedding
dimension
noise
reduction
分类号
TN911.4 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
基于多元混沌时间序列的油田产量预测模型
被引量:
11
2
作者
钟仪华
林旭旭
刘雨鑫
机构
西南石油大学理学院
出处
《数学的实践与认识》
北大核心
2016年第6期99-105,共7页
基金
四川省教育厅重点自然科学基金(11ZA024)
文摘
油田产量的预测一直是石油工作者研究的重要课题.针对油田产油量、产水量、地层压力和时间之间有着混沌的特征,利用多变量混沌时间序列等方法研究了油田产量的混沌建模和预测问题.用C-C算法确定每一个变量的嵌入维数和延迟时间,重构多元混沌时间序列的相空间;使用基于奇异值分解的主成分分析消除重构相空间的冗余变量和噪声干扰,建立了有较好泛化性能的多元混沌时间序列油田产量预测模型;最后将混沌时间序列预测和Elman神经网络进行耦合,创建了基于主成分分析前馈网络的多元混沌时间序列油田产量预测方法.应研究表明,提出的多变量混沌时间序列预测方法的预测精确度优于单变量预测,它可用于解决具有多变量混沌时间序列的预测问题.
关键词
多变量混沌时间序列
C-C算法
相空间重构
主成分分析
ELMAN神经网络
Keywords
multivariate
chaotic
time
series
C-C
algorithm
phase
space
reconstruction
principal component analysis
Elman
neural
network
分类号
TE328 [石油与天然气工程—油气田开发工程]
O211.61 [理学—概率论与数理统计]
原文传递
题名
基于相空间重构和随机配置网络的电力负荷短期预测
被引量:
11
3
作者
赵允文
李鹏
孙煜皓
沈鑫
杨晓华
机构
云南大学信息学院
云南省高校物联网技术及应用重点实验室
中科智能(深圳)科技有限公司
云南电网有限责任公司
出处
《电力建设》
CSCD
北大核心
2021年第9期120-128,共9页
基金
国家自然科学基金项目(61763049)
云南省应用基础研究计划重点项目(2018FA032)。
文摘
针对配电网负荷随时间空间变化的非线性特征导致短期负荷预测精度低和模型训练时间成本高的问题,设计了一种基于相空间重构(phase space reconstruction,PSR)和随机配置网络(stochastic configuration networks,SCN)的电力负荷短期预测模型.首先将配电网数据中与负荷相关的气象数据通过主元分析法(principal component analysis,PCA)进行数据降维,并与负荷序列组合成多变量的时间序列,运用混沌时间序列理论,通过互信息法和虚假近邻法求取参数并重构相空间,最后使用随机配置网络预测电力负荷.采用欧洲电网公开数据集的历史负荷和气象数据验证所提方法,结果表明,与网格搜索法优化的支持向量机(support vector machines,SVM)、反向传播神经网络(back propagation neural networks,BP)、长短期记忆网络(long short-term memory network,LSTM)和整合移动平均自回归(autoregressive integrated moving average,ARIMA)相比,所设计方法具有智能化水平高、运算高效的特点,有一定的实用价值.
关键词
配电网
短期负荷预测
相空间重构(PSR)
主元分析法(PCA)
随机配置网络(SCN)
Keywords
distribution
network
short-term
load
forecasting
phase
space
reconstruction
(PSR)
principal component analysis
(PCA)
stochastic
configuration
network(SCN)
分类号
TM715 [电气工程—电力系统及自动化]
原文传递
题名
无理数序列的似混沌特性及其在加密中的应用
被引量:
4
4
作者
王青
陈婷
李锋
机构
复旦大学电子工程系
出处
《计算机工程与应用》
CSCD
北大核心
2009年第18期85-88,93,共5页
文摘
将已提出的π序列定义和分析方法推广到无理数领域,引出了无理数序列,并以常用的无理数根号2、e为例,对无理数序列的自相关、功率谱、相空间、关联维数、最大Lyapunov指数和主分量等6个方面进行深入分析。结果表明这些无理数序列与混沌序列具有相似的特性。然后将无理数序列应用到图像加密领域,取得了很好的图像加密效果。
关键词
无理数序列
混沌序列
相空间重构
主分量分析
LYAPUNOV指数
图像加密
Keywords
irrational
number
series
chaos
series
phase
space
reconstruction
principal component analysis
(
PCA
)
Lyapunov
exponent
image
encryption
分类号
TN911.73 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
深基坑开挖中KPCA结合BP神经网络的基坑变形预测
被引量:
5
5
作者
李成龙
李敬伟
王磊
机构
潍坊科技学院建筑工程学院
河南工学院计算机科学与技术系
苏州大学信息化建设与管理中心
出处
《湘潭大学自然科学学报》
北大核心
2017年第4期60-63,共4页
基金
国家自然科学基金项目(61401526)
河南省高等学校重点科研项目(16B520009)
文摘
针对开挖过程中基坑变形预测的问题,提出一种基于核主成分分析(KPCA)和BP神经网络的基坑变形预测方法.首先,根据实际施工情况,确定影响基坑变形的主要因素;然后,将基坑变形数据通过多变量相空间重构技术进行建模;接着,通过KPCA技术从变形数据中提取出主要分量;最后,基于提取的主要分量来训练BP神经网络预测模型,以此实现对之后基坑施工中基坑变形的预测.实验结果表明,提出的预测模型能够准确地预测基坑变形程度,具有可行性.
关键词
基坑开挖
基坑变形预测
相空间重构
BP神经网络
核主成分分析
Keywords
foundation
pit
excavation
foundation
pit
deformation
prediction
phase
space
reconstruction
BP
neural
network
kernel
principal component analysis
分类号
TU433 [建筑科学—岩土工程]
下载PDF
职称材料
题名
基于相空间重构和柔性神经树的乐器分类
被引量:
4
6
作者
郅逍遥
李临生
郭喆
郭一娜
闫庆森
机构
太原科技大学电子信息工程学院
出处
《计算机应用与软件》
CSCD
2015年第2期159-162,214,共5页
基金
国家青年科学基金项目(61301250)
山西省人力资源与社会保障厅山西省留学人员科技活动项目(20121030)
+1 种基金
山西省科技厅山西省国际科技合作计划项目(201281036)
山西省研究生优秀创新项目(20123107)
文摘
基于相空间重构理论和主成分分析理论,对不同乐器产生的音频时间序列进行处理。通过分析各类乐器的高维特性,采用概率密度函数来刻画各个乐器在相空间中的差异,然后将概率密度函数的参数与其他音色特征相结合,采用柔性神经树作为分类器,提出一种新的乐器分类方法。柔性神经树能够解决人工神经网络结构的高度依赖性问题,还具有较高的识别率。实验表明,该分类器与BP神经网络和支持向量机比较具有较高的平均分类准确率和较低的均方根误差值。
关键词
乐器分类
相空间重构
主成分分析
概率密度函数
柔性神经树
Keywords
Musical
instrument
classification
phase
space
reconstruction
principal component analysis
Probability
density
function
Flexible
neural
tree
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
同步辐射散射图像中心定位算法研究
被引量:
1
7
作者
刘中华
边风刚
李勇平
李秀宏
田丰
机构
中国科学院上海应用物理研究所
出处
《核技术》
CAS
CSCD
北大核心
2012年第9期646-650,共5页
文摘
介绍了一种基于相空间重构和主分量分析的样品在同步辐射SAXS\WAXS各向同性图像中散射环的中心定位算法。该算法在水平和垂直方向上分别扫描散射图像,并提取图像部分行和列的主分量以提高散射环中心定位的准确性,再根据圆的垂线定理确定圆心。通过实验计算的结果和fit2d软件的比较,验证了该算法的有效性。
关键词
相空间重构
主分量分析
中心定位
小角散射
Keywords
phase
-
space
reconstruction
,
principal component analysis
,
Center
positioning
of
a
circle,
SAXS
分类号
TP274 [自动化与计算机技术—检测技术与自动化装置]
O4-39 [自动化与计算机技术—控制科学与工程]
原文传递
题名
面向SaaS运营的主成分分析组合预测模型
8
作者
张婧
吴江
李洪安
赵建东
机构
西北大学信息科学与技术学院
出处
《计算机工程与应用》
CSCD
2012年第18期217-222,230,共7页
基金
西北大学研究生创新教育项目(No.08YKC17
No.10YSY02)
文摘
为了建立面向SaaS运营的预测模型,提出了一种基于主成分分析的组合预测模型并应用于SaaS运营预测中。利用相空间重构预测模型、灰色预测模型和三次指数平滑预测模型这三种单一预测模型,结合主成分分析策略,建立组合预测模型。仿真实验结果表明,基于主成分分析的组合预测模型的预测精度高于各单一预测模型,发挥了各单一预测模型的优势,是面向SaaS运营预测的一种有效方法。
关键词
相空间重构
灰色预测模型
三次指数平滑预测模型
主成分分析
组合预测模型
Keywords
phase
space
reconstruction
grey
model
cubic
exponential
smoothing
model
principal component analysis
combined
forecasting
model
分类号
TP393.06 [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
作者
出处
发文年
被引量
操作
1
混沌信号与噪声
龚云帆
徐健学
《信号处理》
CSCD
1997
22
下载PDF
职称材料
2
基于多元混沌时间序列的油田产量预测模型
钟仪华
林旭旭
刘雨鑫
《数学的实践与认识》
北大核心
2016
11
原文传递
3
基于相空间重构和随机配置网络的电力负荷短期预测
赵允文
李鹏
孙煜皓
沈鑫
杨晓华
《电力建设》
CSCD
北大核心
2021
11
原文传递
4
无理数序列的似混沌特性及其在加密中的应用
王青
陈婷
李锋
《计算机工程与应用》
CSCD
北大核心
2009
4
下载PDF
职称材料
5
深基坑开挖中KPCA结合BP神经网络的基坑变形预测
李成龙
李敬伟
王磊
《湘潭大学自然科学学报》
北大核心
2017
5
下载PDF
职称材料
6
基于相空间重构和柔性神经树的乐器分类
郅逍遥
李临生
郭喆
郭一娜
闫庆森
《计算机应用与软件》
CSCD
2015
4
下载PDF
职称材料
7
同步辐射散射图像中心定位算法研究
刘中华
边风刚
李勇平
李秀宏
田丰
《核技术》
CAS
CSCD
北大核心
2012
1
原文传递
8
面向SaaS运营的主成分分析组合预测模型
张婧
吴江
李洪安
赵建东
《计算机工程与应用》
CSCD
2012
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