罗春龙
- 作品数：4 被引量：2H指数：1
- 供职机构：华中科技大学土木工程与力学学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术社会学经济管理更多>>
- 支持向量机改进及其在钢材质量管理建模中的应用研究被引量：1
- 2009年
- 针对支持向量机参数难以选择的问题,提出了基于差分进化算法(DE)的参数选择方法,算例分析结果表明DE算法选择SVM参数有着迭代次数少、结果稳定的优点,能够很好的解决SVM的参数选择问题。随后将基于DE算法选择参数的支持向量机应用于一个钢材质量管理的建模实例中,并将其与神经网络建模方式所得结果相比较,结果表明经改进的支持向量机的预测性能更加优秀。
- 宋木清罗春龙
- 关键词：支持向量机参数选择质量管理神经网络
- 支持向量机与多目标进化算法融合技术及其应用研究
- 在科学研究和工程设计中，存在着大量的多目标非线性问题，对这类问题的建模与优化一直是较难的课题，支持向量机作为一种专门研究小样本情况下机器学习规律的理论，比传统的统计学习理论和神经网络具有更好的泛化推广能力，能够很好的解决...
- 罗春龙
- 关键词：支持向量机多目标进化算法
- 文献传递
- 武钢X70钢多目标质量管理建模应用研究
- 2010年
- 针对现有质量管理建模方法大多难以有效处理小样本、非线性复杂问题的缺陷,提出了一套基于差分进化算法(DE)与支持向量机的融合建模方法,并将其应用于武钢质量管理建模。与神经网络建模技术的拟合结果对比检验验证了该方法的有效性,表明该方法能够为多目标质量管理问题提供一种较为有效的解决方案。
- 宋木清罗春龙
- 关键词：质量管理差分进化算法支持向量机神经网络
- 融合支持向量机与多目标进化算法的质量管理研究被引量：1
- 2009年
- 提出一套支持向量机和多目标进化算法的融合建模技术(SVM-EMO)以及计算框架,并采用差分进化算法(DE)选择支持向量机参数,并将SVM-EMO应用于一个钢铁企业产品质量管理实例,与人工神经网络的建模结果相比,所提框架结果拟合误差更小,精度更高,能够更好地解决质量管理研究中的多目标非线性优化问题.最后根据模型求解结果,给出了相应的生产建议.
- 宋木清罗春龙
- 关键词：支持向量机多目标进化算法差分进化算法质量管理
