论文部分内容阅读
基于模糊最小二乘支持向量机和在线学习算法,提出了一种模糊最小二乘支持向量机的增量式算法。传统最小二乘支持向量机引入模糊加权系数后,有效地提高了其抗噪性能。同时利用递推的核函数计算方法增强了该算法的在线学习能力。仿真结果表明,这一算法在运算精度和运算速度上都优于传统的支持向量机算法。
在线模糊最小二乘支持向量机的时间序列预测
【摘 要】
：
基于模糊最小二乘支持向量机和在线学习算法,提出了一种模糊最小二乘支持向量机的增量式算法。传统最小二乘支持向量机引入模糊加权系数后,有效地提高了其抗噪性能。同时利用
【机 构】
：
兰州理工大学电气工程与信息工程学院,兰州理工大学甘肃省有色金属新材料省部共建国家重点实验室
【出 处】
：
计算机工程与应用
【发表日期】
：
2010年9期
其他文献
提出了一种基于非下采样Contourlet变换的自适应图像去噪方法。首先对噪声图像进行非下采样Contourlet变换,得到各个尺度各个方向子带的系数,再根据该系数的能量自适应地调整去噪阈值。实验表明,与Contourlet多尺度阈值去噪、Contourlet自适应阈值去噪相比,该方法在保留图像边缘细节的同时,能提高图像的PSNR值,减少了Gibbs现象。
传统的独立分量分析(ICA)算法无法确定高光谱数据中独立分量的个数,利用概率神经网络(PNN)训练时间短的优点,根据分类精度可以较快地确定出独立分量的个数。提出了一种在确定高光谱数据的维数之后利用支持向量机(SVM)分类的新算法思想,首先利用ICA对高光谱数据降维,并利用PNN确定出独立分量的个数,而后对降维后的数据利用SVM作交叉验证,并采用混合核函数进行分类的算法思想。通过仿真实验表明,该算法
由于ADSL（Asymmetric Digital Subscriber Line）端到端的通讯结构,传统的监听技术很难进行,在分析了ADSL数据承载方式和用户认证的基础上,设计了一种基于DSLAM（Digital Subscrib
提出了一种基于ASM框架的Tagged MR图像左心室分割方法。即从基于典型相关分析的特征融合角度对LM滤波器组提取的Tagged MR图像左心室纹理特征用典型相关分析进行优化组合,再用SVM构造分类器,通过分类器来确定边缘点,驱动ASM模型边界变形得到分割结果。通过典型相关分析的特征融合可以降低分类错误率,提高分类性能;用分类器代替经典ASM模型的基于轮廓灰度的匹配法来确定边缘点具有较强的鲁棒性
叙述了客户机 /服务器结构的地图数据库发展的必要性 ,对客户机 /服务器结构的地图数据库分布管理概念、结构及网络环境进行了论述和设计
结合多智能体的学习、协调策略及粒子群算法，提出了一种基于多智能体粒子群优化的配电网络重构方法。该方法采用粒子群算法的拓扑结构来构建多智能体的体系结构，在多智能体系统