-
题名LS-SVM的核参数对概率筛筛分效率预测影响
被引量：1
- 1
-
-
作者
杜锦程
吴福森
陈丙三
-
机构
福建工程学院机械与汽车工程学院
福建省特种设备检验研究院泉州分院
-
出处
《福建工程学院学报》
CAS
2021年第1期12-18,共7页
-
基金
国家自然科学基金资助项目(51305079)
福建省自然科学基金项目(2020J01874,2020J01869)。
-
文摘
以探索概率筛振动参数与筛分效率之间的关系,为概率筛结构的进一步改进提供指导意义为研究目的,将LS-SVM分类算法引入自同步概率筛筛分效率预测建模,探讨LS-SVM建模的可行性。基于各个不同的应用领域,可以构造不同的核函数,针对核函数需要优化特征参数的问题,应用网格搜索和交叉验证算法,对核参数的选择进行优化。通过研究得出用多项式(Poly)核函数建模对预测样本的最高预测识别率达到96.7%,采用RBF核函数建模对预测样本达到了零错分率,表明将LS-SVM算法引入概率筛筛分效率预测建模是可行的。
-
关键词
概率筛
ls-svm分类算法
核函数
筛分效率预测建模
-
Keywords
probability sieve
ls-svm classification algorithm
kernel function
screening efficiency prediction modeling
-
分类号
TD452
[矿业工程—矿山机电]
-
-
题名迭代再权q范数正则化LS SVM分类算法
- 2
-
-
作者
刘建伟
李双成
罗雄麟
-
机构
中国石油大学自动化研究所
-
出处
《计算机工程》
CAS
CSCD
2012年第3期166-168,共3页
-
文摘
提出一种迭代再权q范数正则化最小二乘支持向量机(LS SVM)分类算法。该算法通过交叉校验过程选择正则化范数的阶次q(0<q<∞),具有分类效果稳定、收敛快、运行速度快的特点。使用该算法和LS SVM对比3组癌症数据,实验结果表明,该算法能够实现自适应特征选择,且比LS SVM推广能力强,在算法耗时方面优于LS SVM。
-
关键词
迭代再权方法
q范数
最小二乘支持向量机
正则化
特征选择
分类算法
-
Keywords
iterative reweighted method
q-norm
Least Squares Support Vector Machine（ls svm）
regularization
feature selection
classification algorithm
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
