2024年8月23日
星期五
|
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
>
>
董雪梅
作品数:
2
被引量:8
H指数:1
供职机构:
浙江工商大学统计与数学学院
更多>>
发文基金:
国家自然科学基金
浙江省自然科学基金
浙江省教育厅科研计划
更多>>
相关领域:
电气工程
自动化与计算机技术
更多>>
合作作者
王伟刚
浙江工商大学统计与数学学院
李洪超
浙江工商大学统计与数学学院
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
2篇
中文期刊文章
领域
1篇
电气工程
1篇
自动化与计算...
主题
2篇
最小二乘
1篇
电力
1篇
电力变压器
1篇
多尺度
1篇
学习算法
1篇
油中溶解气体
1篇
油中溶解气体...
1篇
支持向量
1篇
支持向量机
1篇
溶解气体
1篇
溶解气体分析
1篇
最小二乘支持...
1篇
向量机
1篇
基于多尺度
1篇
核方法
1篇
分布式学习
1篇
高斯
1篇
高斯核
1篇
LS-SVR
1篇
变压
机构
2篇
浙江工商大学
作者
2篇
董雪梅
1篇
李洪超
1篇
王伟刚
传媒
1篇
模式识别与人...
1篇
电气技术
年份
1篇
2019
1篇
2016
共
2
条 记 录,以下是 1-2
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M-LS-SVR的变压器油中溶解气体浓度预测
被引量:7
2016年
为预测变压器油中溶解气体的浓度,提出了混合最小二乘支持向量机回归(Mixed Least Square Support Vector Regression,M-LS-SVR)算法。该算法使用线性和非线性核函数的组合作为预测函数,利用真实数据自适应选择其混合比例因子。实验结果表明,与目前比较流行的BP神经网络方法、SVR方法和LS-SVR方法的预测结果相比,该方法具有更小的预测误差,更低的复杂性以及更好的泛化能力。
李洪超
王伟刚
董雪梅
关键词:
电力变压器
油中溶解气体分析
最小二乘支持向量机
基于多尺度高斯核的分布式正则化回归学习算法
被引量:1
2019年
针对工业、信息等领域出现的基于较大规模、非平稳变化复杂数据的回归问题,已有算法在计算成本及拟合效果方面无法同时满足要求.因此,文中提出基于多尺度高斯核的分布式正则化回归学习算法.算法中的假设空间为多个具有不同尺度的高斯核生成的再生核Hilbert空间的和空间.考虑到整个数据集划分的不同互斥子集波动程度不同,建立不同组合系数核函数逼近模型.利用最小二乘正则化方法同时独立求解各逼近模型.最后,通过对所得的各个局部估计子加权合成得到整体逼近模型.在2个模拟数据集和4个真实数据集上的实验表明,文中算法既能保证较优的拟合性能,又能降低运行时间.
董雪梅
王洁微
关键词:
核方法
分布式学习
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