搜索到2798 篇“ LS-SVM “的相关文章
基于LS -SVM 的精确星光折射导航观测模型 2024年 LS -SVM )的精确星光折射导航观测模型建立方法。首先通过光线追迹高精度模拟星光折射的过程,未对折射角计算进行简化,考虑大气参数随高度的变化,得到折射真高度与折射角的非线性映射关系。然后利用LS -SVM 机器学习算法精确拟合折射真高度与折射角的关系,建立关于折射视高度的高精度星光折射导航观测模型。仿真结果表明,建立的精确星光折射导航观测模型精度较高,平均绝对误差为0.986 m。将该观测模型应用到星光导航系统中,导航精度较高,定位误差平均为130.7 m,平均速度误差为0.1479 m/s,证明了建模方法的有效性,对于星光折射自主导航的高精度研究具有一定意义。关键词：光线追迹 LS-SVM 多项式与LS -SVM 自适应融合的GPS高程拟合方法 被引量：1 2024年 关键词：GPS高程 高程异常 多项式拟合 基于混沌遍历PSO的LS -SVM 风电超短期功率预测研究 2024年 LS -SVM 的风电超短期功率预测模型。采用混沌算法优化粒子群,提高粒子跳出局部最优的能力,用混沌遍历的粒子群优化LS -SVM 的核函数核偏离系数,获得期望的输出。采集风电功率相关数据集,采用混沌遍历粒子群优化的LS -SVM 算法建立风电超短功率预测模型。将混沌遍历PSO优化的LS -SVM 和LS -SVM ,对UCI的函数进行回归测试,验证了所提方法具有更高的预测精度。采用所提方法、GA-LS -SVM 、LS -SVM 、BP和SVM 分别建立风电功率预测模型,对比结果表明,所提方法具有更好的预测效果,更适用于解决风电功率预测,为电网制定策略提供理论依据。关键词：PSO LS-SVM 风电 功率 LS -SVM 和抗差估计的GNSS/INS紧组合欺骗检测算法2024年 LS -SVM )和抗差估计的全球卫星导航系统(GNSS)和惯性导航系统(INS)紧组合欺骗检测算法。所提算法通过抗差自适应调整增益矩阵,有效削弱欺骗对新息的影响,将抗差优化的训练数据集经LS -SVM 回归得到的预测新息来代替滤波器中的欺骗新息,从而进一步提高对斜率较小的斜坡式欺骗检测处理能力。仿真结果表明:在检测欺骗值为0.1 m/s的斜坡式欺骗时,所提算法与传统算法相比,检测时间缩短26.65%,虚警率降低40.63%,定位精度提高72.72%。所提算法具有检测快、虚警率低的优势,适用于GNSS/INS紧组合导航用户的斜坡式欺骗检测。关键词：最小二乘支持向量机 抗差估计 欺骗检测 斜坡式 采用改进遗传算法优化LS -SVM 逆系统的外转子无铁心无轴承永磁同步发电机解耦控制 被引量：1 2024年 LS -SVM )逆系统的解耦控制策略。首先,基于ORC-BPMSG的结构及工作原理,推导其数学模型,并分析其可逆性。其次,建立LS -SVM 回归方程,并采用IGA优化LS -SVM 的性能参数,从而训练得到逆系统。然后,将逆系统与原系统串接,形成伪线性系统,实现了ORC-BPMSG的线性化和解耦。最后,将提出的控制方法与传统LS -SVM 逆系统控制方法进行对比仿真和实验。仿真和实验结果表明:所提出的控制策略可以较好地实现ORC-BPMSG输出电压和悬浮力、以及悬浮力之间的解耦控制。关键词：逆系统 解耦控制 基于PLS -DA和LS -SVM 的可见/短波近红外光谱鉴定港种四九、十月红和九月鲜菜心种子的可行性研究 2024年 LS R)模型,确定了SNV是最佳预处理方法。采用主成分分析(PCA)对菜心种子进行了聚类分析,从前三个主成分因子(PCs)得分图可知三种菜心种子存在光谱特征差异。将原始光谱变量、前三个PCs(累计贡献97.15%)和基于随机蛙跳(RF)算法挑选的13个特征波长作为偏最小二乘判别(PLS -DA)和最小二乘支持向量机(LS -SVM )模型的输入变量,从模型结果可知:三种输入变量中,采用RF筛选特征波长作为模型输入变量时,模型预测效果最好,PCs建立的模型最差,相比于PCA分析,采用RF筛选出的特征波长更能够反映原始光谱信息。比较不同模型预测效果,LS -SVM 模型比PLS -DA模型得到的预测精度更好,其中RF-LS -SVM 模型是所有模型中最佳的预测模型,建模集和预测集均为100%。采用可见/短波近红外光谱研究菜心种子的类别可行,并且能够获得很好地预测效果,为菜心种子的快速区分提供了理论依据。关键词：主成分分析 最小二乘支持向量机 利用局部相关性LS -SVM 和GIS技术的架空输电线路覆冰微地形提取方法和相关装置 LS ‑SVM 和GIS技术的架空输电线路覆冰微地形提取方法和相关装置，包括利用GIS技术采集目标区域的地形数据；对地形数据进行预处理；基于预处理后的地形数据，提取与微地形特征相关的关键参数；利...基于LS -SVM 解决磷石膏可溶磷、氟淋洗去除条件优化及预测方法 基于LS -SVM 的侧堰泄流能力预测模型 2023年 LS -SVM )模型,将影响C_(d)的各无量纲参数作为模型输入,C_(d)作为模型输出.研究表明:LS -SVM 模型可用于矩形侧堰流量系数预测,且高斯核函数优于多项式核函数和线性核函数,在测试阶段最佳模型的性能指标平均绝对误差(MAE)为0.005,均方根误差(RMSE)为0.005,决定系数(R2)为0.966,表明该模型性能较好,精度较高,预测值较准确.本文提出了一种预测侧堰泄流能力的智能模型,讨论了不同无量纲参数对该模型的影响,验证了该模型的适用性,为类似水利工程提供参考依据,同时为解决复杂水力学问题提供新思路.关键词：核函数 LS-SVM 人工智能 基于LS -SVM 的宽带接收前端非线性补偿算法 2023年 LS -SVM )的宽带接收前端非线性补偿算法.该算法基于减谱-时频变换法(Spectrum Reduction Algorithm based on Time-Frequency Conversion,SRA-TFC)盲分离接收前端输出信号中的大功率基波信号和其他小功率信号,并以此作为LS -SVM 逆模型的训练输入-输出样本对.引入最小二乘支持向量回归(Least Squares Support Vector Regression,LS -SVR)算法高精度拟合接收前端非线性逆模型.通过以宽带接收前端的输出信号为测试样本消除其非线性失真分量.仿真与实测结果表明:该算法可使宽带接收前端的无杂散失真动态范围(Spurs-Free-Dynamic-Range,SFDR)提高约20 dB,较基于PNM的补偿算法提高了约5 dB.关键词：非线性补偿
相关作者
吴德会 作品数：161 被引量：794 H指数：17 供职机构：厦门大学 研究主题：最小二乘支持向量机 支持向量机 传感器 漏磁 LS-SVM 张朝元 作品数：44 被引量：103 H指数：7 供职机构：大理学院数学与计算机学院 研究主题：LS-SVM 主成分分析 支持向量机 交通流量 最小二乘支持向量机 陈丽 作品数：44 被引量：91 H指数：6 供职机构：云南大学 研究主题：LS-SVM 主成分分析 最小二乘支持向量机 汶川地震 SOR 桂卫华 作品数：1,719 被引量：4,905 H指数：29 供职机构：中南大学 研究主题：神经网络 故障诊断 泡沫图像 软测量 线性矩阵不等式 章海亮 作品数：140 被引量：584 H指数：14 供职机构：华东交通大学 研究主题：高光谱成像 近红外光谱 反射光 光照 光谱数据
