您的位置: 专家智库 > >

浙江省教育厅科研计划(20040796)

作品数:3 被引量:18H指数:2
相关作者:张浩然汪晓东张长江徐秀玲许秀玲更多>>
相关机构:浙江师范大学更多>>
发文基金:浙江省教育厅科研计划更多>>
相关领域:自动化与计算机技术机械工程更多>>

文献类型

  • 3篇期刊文章
  • 1篇会议论文

领域

  • 3篇自动化与计算...
  • 1篇机械工程

主题

  • 4篇支持向量
  • 4篇支持向量机
  • 4篇向量
  • 4篇向量机
  • 2篇软测量
  • 2篇软测量技术
  • 2篇泛化
  • 2篇泛化能力
  • 2篇NU
  • 2篇测量技术
  • 1篇学习算法
  • 1篇统计学习
  • 1篇统计学习理论
  • 1篇逆变
  • 1篇逆变器
  • 1篇控制策略
  • 1篇回归支持向量...
  • 1篇基于支持向量...

机构

  • 4篇浙江师范大学

作者

  • 3篇汪晓东
  • 3篇张浩然
  • 2篇张长江
  • 1篇吴建斌
  • 1篇许秀玲
  • 1篇徐秀玲

传媒

  • 1篇仪器仪表学报
  • 1篇电工技术学报
  • 1篇测试技术学报

年份

  • 1篇2006
  • 3篇2005
3 条 记 录,以下是 1-4
排序方式:
基于支持向量机的逆变器控制策略的研究被引量:2
2005年
针对逆变器系统的本身特点,提出一种基于最小二乘支持向量机的前馈学习控制策略,该控制结构由前馈控制和反馈控制两部分组成,在该控制算法中,利用最优控制理论来整定PID控制器的参数,并采用最小二乘支持向量机作为前馈学习控制系统中的函数逼近器来建模逆变器的逆动态,仿真实验表明所设计的控制策略有效地提高了逆变器的抗负载干扰的性能。
张浩然汪晓东
关键词:支持向量机逆变器
基于nu-支持向量机的软测量技术
利用支持向量机(SVM)来进行软测量建模,首先简要介绍nu-SVM的基本原理,随后利用它来建模重油催化裂化装置。理论分析和仿真研究表明,该方法泛化能力强、对样本的依赖程度低,比基于神经网络的软测量具有更好的性能。
张浩然汪晓东吴建斌张长江许秀玲
关键词:支持向量机软测量泛化能力
文献传递
一种新型回归支持向量机的学习算法被引量:12
2006年
支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,也是一种具有很好泛化性能的回归方法,本文对标准支持向量机稍作改动,提出了一种新型回归支持向量机,并推导出它的对偶表达方式,随后利用一个优化定理设计了一个多变量更新学习算法,该算法能单调收敛于极值点,并具有简单的迭代方式,仿真实例说明所提出的回归支持向量机及其训练算法具有较好的学习性能.
张浩然汪晓东张长江徐秀玲
关键词:统计学习理论支持向量机学习算法
基于nu-支持向量机的软测量技术被引量:4
2005年
利用支持向量机(SVM)来进行软测量建模,首先简要介绍nu-SVM的基本原理,随后利用它来建模重油催化裂化装置。理论分析和仿真研究表明,该方法泛化能力强、对样本的依赖程度低,比基于神经网络的软测量具有更好的性能。
张浩然汪晓东吴建斌张长江许秀玲
关键词:支持向量机软测量泛化能力
共1页<1>
聚类工具0