2024年12月14日
星期六
|
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
>
>
马和平
作品数:
1
被引量:0
H指数:0
供职机构:
中国矿业大学(北京)土地复垦与生态重建研究所
更多>>
发文基金:
中央高校基本科研业务费专项资金
教育部“新世纪优秀人才支持计划”
更多>>
相关领域:
农业科学
天文地球
更多>>
合作作者
袁军
中国矿业大学北京土地复垦与生态...
赵艳玲
中国矿业大学北京土地复垦与生态...
何厅厅
中国矿业大学北京土地复垦与生态...
王亚云
中国矿业大学北京土地复垦与生态...
刘亚萍
中国矿业大学北京土地复垦与生态...
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
天文地球
1篇
农业科学
主题
1篇
支持向量
1篇
支持向量机
1篇
群算法
1篇
子群
1篇
向量
1篇
向量机
1篇
粒子群
1篇
粒子群算法
1篇
PSO
机构
1篇
中国矿业大学...
作者
1篇
石娟娟
1篇
刘亚萍
1篇
王亚云
1篇
何厅厅
1篇
赵艳玲
1篇
袁军
1篇
马和平
传媒
1篇
湖北农业科学
年份
1篇
2014
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PSO-OSVM的江苏省耕地变化预测
2014年
以江苏省1996-2009年耕地变化为例,利用粒子群算法(PSO)的全局搜索能力优化标准支持向量机(SVM),并结合增量式最小二乘支持向量机(LSSVR)和逆学习算法的特征,构建粒子群算法-在线学习SVM(PSO-OSVM)耕地变化预测模型,采用该模型对江苏省耕地变化进行预测,以期为土地资源可持续发展提供重要参考依据。结果表明,PSO可以有效收敛SVM内部参数γ和σ达到全局最优解;PSOOSVM模型的内外精度和总精度均高于GM(1,1)、BP神经网络模型,且优于PSO-SVM模型。说明PSOOSVM是一种有效的耕地变化预测模型。
何厅厅
赵艳玲
石娟娟
刘亚萍
王亚云
袁军
马和平
关键词:
粒子群算法
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