2024年8月25日
星期日
|
欢迎来到维普•公共文化服务平台
登录
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
徐子睿
作品数:
1
被引量:2
H指数:1
供职机构:
东北大学
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>>
合作作者
黄灿明
东北大学
王显鹏
东北大学
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
自动化与计算...
主题
1篇
带钢
1篇
带钢质量
1篇
支持向量
1篇
支持向量机
1篇
退火
1篇
最小二乘
1篇
最小二乘支持...
1篇
向量机
1篇
连续退火
1篇
钢质
机构
1篇
东北大学
作者
1篇
王显鹏
1篇
徐子睿
1篇
黄灿明
传媒
1篇
控制工程
年份
1篇
2017
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于集成学习的连退带钢质量在线预报方法
被引量:2
2017年
钢铁企业连续退火生产过程由于工艺复杂并且包含众多相互影响的过程变量,导致带钢产品质量波动较大,难以进行在线测量。针对该问题,提出了一种基于混合集成学习的带钢产品质量在线预报方法。该方法以Bagging为基础,引入了Adaboost中对误差较大样本的重点学习策略,以提高混合集成学习模型的精度并改进泛化能力;在子学习机的训练中提出了基于动态加权的最小二乘支持向量机方法,以改进子学习机的鲁棒性。基于实际连退生产过程数据的测试结果表明,所提出的混合集成学习方法在预测精度和泛化能力上均要优于Bagging和Adaboost等传统的集成学习建模方法。
王显鹏
黄灿明
徐子睿
王丹敬
关键词:
连续退火
最小二乘支持向量机
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张