您的位置: 专家智库 > >

陈中杰

作品数:4 被引量:30H指数:3
供职机构:西南科技大学计算机科学与技术学院更多>>
发文基金:国家自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 3篇期刊文章
  • 1篇学位论文

领域

  • 4篇自动化与计算...

主题

  • 3篇支持向量
  • 3篇支持向量机
  • 3篇向量机
  • 2篇向量
  • 1篇多分类算法
  • 1篇一对一
  • 1篇预处理
  • 1篇子群
  • 1篇最小二乘
  • 1篇最小二乘支持...
  • 1篇系统辨识
  • 1篇细分法
  • 1篇线性系
  • 1篇粒子群
  • 1篇基于支持向量...
  • 1篇惯性权重
  • 1篇核函数
  • 1篇二次型
  • 1篇非线性
  • 1篇非线性系统

机构

  • 4篇西南科技大学

作者

  • 4篇陈中杰
  • 3篇蒋刚
  • 2篇蔡勇
  • 1篇王静

传媒

  • 2篇计算机应用研...
  • 1篇传感器与微系...

年份

  • 3篇2013
  • 1篇2012
4 条 记 录,以下是 1-4
排序方式:
基于支持向量机的结构特征参数预处理方法研究
本文研究的内容来源于国家自然科学基金项目“基于核函数的结构特征参数辨识及其变化预测研究”(项目编号:11176027),该项目主要是对长期贮存的武器装备的机械结构健康状态进行预测。本课题是该项目的子课题,主要是对机械结构...
陈中杰
关键词:支持向量机预处理
文献传递
基于改进PSO_LSSVM机械结构疲劳裂纹扩展预测被引量:4
2013年
机械结构在长期的存储中,疲劳裂纹的变化受到多种环境因素的影响,针对目前疲劳裂纹预测准确率低的问题,提出一种基于最小二乘支持向量机方法(LSSVM)来预测机械结构的疲劳裂纹长度,通过改进的粒子群优化算法对LSSVM进行参数优化。改进的粒子群参数优化算法采用二次型惯性权重递减策略,使粒子群优化算法的优化过程更接近实际的非线性和高复杂过程。经仿真实验验证,结果表明,基于改进的粒子群参数优化的最小二乘支持向量机(PSO_LSSVM)对于机械结构的疲劳裂纹长度预测优于传统方法,收敛速度快,预测准确。
王静蒋刚陈中杰
关键词:最小二乘支持向量机
复高斯小波核函数的支持向量机研究被引量:7
2012年
针对基于常用核函数的支持向量机在非线性系统参数辨识及预测方面的不足之处,构建了一种新的核函数——复高斯小波函数核函数。首先证明了新构建的核函数的正确性,即满足Mercy条件,表明其可以作为核函数;然后构建基于该核函数的支持向量机,并将该支持向量机用于非线性系统的辨识和未知部分的预测。通过与常用核函数构建的支持向量机的仿真结果进行对比,验证了该方法的正确性和有效性。
陈中杰蔡勇蒋刚
关键词:支持向量机
基于SVM一对一多分类算法的二次细分法研究被引量:19
2013年
在研究了支持向量机(SVM)多分类算法的基础之上,针对一对一多分类算法出现不可分区域问题,提出了基于SVM一对一多分类算法的二次细分方法,并将该方法应用于弹簧应力小样本数据的多分类仿真实验。通过与原始方法的仿真结果进行对比,改进方法在多花费了极短时间的前提下,显著提高了分类正确率。针对改进方法可能存在的问题,又通过10次仿真实验验证了该方法的可行性,同时也为SVM在小样本分类领域提供了新的思路。
陈中杰蒋刚蔡勇
共1页<1>
聚类工具0