2024年11月28日
星期四
|
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
>
>
王伟
作品数:
1
被引量:2
H指数:1
供职机构:
四川大学电子信息学院智能控制研究所
更多>>
发文基金:
国家重点基础研究发展计划
更多>>
相关领域:
自动化与计算机技术
更多>>
合作作者
王伟
四川大学电子信息学院
周新志
四川大学电子信息学院智能控制研...
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
神经网
1篇
神经网络
1篇
网络
1篇
聚类
1篇
均值聚类
1篇
减法聚类
1篇
ANFIS
1篇
BP神经
1篇
BP神经网
1篇
BP神经网络
1篇
K均值
1篇
K均值聚类
机构
1篇
四川大学
作者
1篇
周新志
1篇
王伟
1篇
王伟
传媒
1篇
智能系统学报
年份
1篇
2016
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
ANFIS微波加热过程分段温度预测模型
被引量:2
2016年
在微波加热过程中加热介质在不同温度阶段有不同的内部特性,传统的温度预测方法难于同时对加热介质低温段与高温段温度取得满意的预测结果。为此提出了一种基于ANFIS的分段温度预测模型,该方法建立基于K均值聚类法的温度划分机制,并采用不同结构的ANFIS预测加热介质不同温度阶段的温度。低温阶段构建常规ANFIS预测温度,高温阶段利用减法聚类能从数据中确定模糊规则的特性构建ANFIS预测温度。仿真结果表明,与采用单一结构的ANFIS和BP(back propagation)神经网络的预测结果相比,ANFIS分段温度预测模型可同时在加热介质低温段与高温段取得较好的预测结果,模型效率可达到97.41%,显著提高了预测准确率,这有助于提高实际微波加热过程的生产效率和安全性。
王伟
王伟
关键词:
K均值聚类
ANFIS
BP神经网络
减法聚类
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