您的位置： 专家智库 > >

董雪梅

作品数：2 被引量：8H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

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：
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