期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于VDM-ISSA-LSSVM的云资源短期负载预测模型 被引量:2
1
作者 杨哲兴 谢晓兰 李水旺 《实验室研究与探索》 CAS 北大核心 2023年第6期117-124,共8页
准确预测云资源短期负载对提高云平台资源管理效率、保障云服务质量至关重要。针对传统模型在面对小样本、非线性云资源负载数据时预测精度不高,提出一种基于变分模态分解(VMD)和改进麻雀搜索算法(ISSA)优化最小二乘支持向量机(LSSVM)... 准确预测云资源短期负载对提高云平台资源管理效率、保障云服务质量至关重要。针对传统模型在面对小样本、非线性云资源负载数据时预测精度不高,提出一种基于变分模态分解(VMD)和改进麻雀搜索算法(ISSA)优化最小二乘支持向量机(LSSVM)的云资源短期负载预测模型。将原始负载数据通过VMD分解成多个相对平稳的模态分量;对麻雀搜索算法进行优化,增强种群多样性,提高寻优性能和收敛速度。利用改进麻雀搜索算法优化LSSVM的关键参数,建立VMD-ISSA-LSSVM预测模型。利用Wikipedia网站的云资源负载数据进行仿真,结果表明,所提模型在预测精度上优于参照模型。 展开更多
关键词 云计算 负载预测 麻雀搜索算法 变分模态算法 最小二乘支持向量机
下载PDF
参数优化VMD对引风机振动信号处理研究 被引量:2
2
作者 骆东松 张双贵 《舰船电子工程》 2022年第3期193-196,共4页
针对传统振动信号分析算法经验模态分解(Empirical Mode Decomposition,EMD)在引风机振动信号分析中所呈现的模态混叠和端点效应现象,在含有较强噪声的非线性非平稳的振动信号去噪效果较差,因此,论文提出一种参数优化的变分模态算法(Var... 针对传统振动信号分析算法经验模态分解(Empirical Mode Decomposition,EMD)在引风机振动信号分析中所呈现的模态混叠和端点效应现象,在含有较强噪声的非线性非平稳的振动信号去噪效果较差,因此,论文提出一种参数优化的变分模态算法(Variational Mode Decomposition,VMD),建立包络熵适应度函数,利用PSO算法确定VMD算法中参数[K,α]最优值,从而提高算法的稳定性和可靠性。 展开更多
关键词 引风机 振动信号 降噪 变分模态算法
下载PDF
基于改进随机森林的高光谱激光雷达信号分选研究
3
作者 刘子恒 刘汉城 敏乾 《激光杂志》 CAS 北大核心 2024年第8期218-223,共6页
高光谱激光雷达数据在频谱维度上具有很高的维度,包含大量的波段或频带,易出现忽视频谱带中有用信息的情况,进而导致高光谱激光雷达信号分选效果较差。为此,提出基于改进随机森林的高光谱激光雷达信号分选研究。首先,采用变分模态分解... 高光谱激光雷达数据在频谱维度上具有很高的维度,包含大量的波段或频带,易出现忽视频谱带中有用信息的情况,进而导致高光谱激光雷达信号分选效果较差。为此,提出基于改进随机森林的高光谱激光雷达信号分选研究。首先,采用变分模态分解算法对高光谱激光雷达含噪信号展开去噪处理;然后,采用长短期记忆神经网络算法对去噪后的高光谱激光雷达信号展开特征提取,并利用自编码神经网络对提取的特征展开重构处理,以获取重构后的雷达信号特征;最后,采用随机森林算法根据高光谱激光雷达信号特征完成信号分选。实验结果表明,所提方法的SNR为30.648 dB,RMSE为0.1498,预测分选类别与实际分选类别几乎一致,分析时间始终未超过5 s,表明所提方法的分选性能较好,具有实用性。 展开更多
关键词 高光谱激光雷达信号 随机森林 变分模态分解算法 长短期记忆神经网络算法 自编码神经网络
下载PDF
基于VMD的家用电器负荷特征提取与识别
4
作者 吴玉刚 迟长春(指导) 《上海电机学院学报》 2023年第6期317-323,共7页
负荷识别是诊断用户用电情况的重要方法,在监测、预警和故障诊断等方面有着重要的意义。针对传统特征提取方法容易出现负荷信息丢失的问题,采用变分模态分解(VMD)算法,将方差贡献率最大的本征模态分量(IMF)对应的能量熵作为特征,结合卷... 负荷识别是诊断用户用电情况的重要方法,在监测、预警和故障诊断等方面有着重要的意义。针对传统特征提取方法容易出现负荷信息丢失的问题,采用变分模态分解(VMD)算法,将方差贡献率最大的本征模态分量(IMF)对应的能量熵作为特征,结合卷积神经网络(CNN)模型完成负荷识别。实验结果表明:此负荷识别方法识别效果良好,识别率为95.9459%,为电力部门开展相关研究提供了可靠的依据。 展开更多
关键词 负荷识别 变分模态分解算法 卷积神经网络
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部