期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
6
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CS-LSTSVM的地下管道泄漏识别方法
1
作者
杨刚
汪宙峰
+3 位作者
李帅永
宋兵
匡海军
朱海清
《自动化与仪器仪表》
2025年第2期146-153,159,共9页
随着管道规模不断扩大,管道泄漏监测正进入大数据时代。针对传统数据采集方法存在数据体量大、信息冗余等问题,提出了一种基于压缩感知理论(CS)和最小二乘孪生支持向量机(LSTSVM)相结合的管道泄漏识别方法。首先,利用观测矩阵保存信息...
随着管道规模不断扩大,管道泄漏监测正进入大数据时代。针对传统数据采集方法存在数据体量大、信息冗余等问题,提出了一种基于压缩感知理论(CS)和最小二乘孪生支持向量机(LSTSVM)相结合的管道泄漏识别方法。首先,利用观测矩阵保存信息完整性的特性,对采集到的泄漏信号进行压缩和观测处理,得到观测值数据集,从而降低数据的冗余信息和体量。然后,对观测值数据集提取相应特征信息组成特征数据集。最后,将特征数据集送入LSTSVM识别模型中,利用其优秀的分类算法性能对特征数据进行识别分类。实验结果表明,该方法能在保持较高的泄漏识别准确率下,大幅缩短模型训练和测试时间,并且在管道泄漏检测中具有良好的鲁棒性。其中,当压缩率(CR)为50%且观测矩阵为部分傅里叶矩阵时,模型的识别准确率达到了98.56%,训练时间则减少了81.8%,有效提高了地下管道泄漏识别的效率。
展开更多
关键词
管道泄漏
压缩感知
lstsvm
观测矩阵
原文传递
近红外光谱结合LSTSVM算法判别不同等级烟叶
被引量:
9
2
作者
宋相中
赖衍清
+6 位作者
李祖红
郑波
李倩倩
吴丽君
张录达
熊艳梅
闵顺耕
《分析科学学报》
CAS
CSCD
北大核心
2014年第3期327-331,共5页
本文用近红外光谱结合最小二乘双胞胎支持向量机(LSTSVM)算法建立了烟叶等级分类模型。从三个等级共210个烟叶样品中,取出120个样品作为建模集,剩余90个样品作为预测集。为了建立最优模型,对光谱预处理方法和模型参数进行筛选优化,最优...
本文用近红外光谱结合最小二乘双胞胎支持向量机(LSTSVM)算法建立了烟叶等级分类模型。从三个等级共210个烟叶样品中,取出120个样品作为建模集,剩余90个样品作为预测集。为了建立最优模型,对光谱预处理方法和模型参数进行筛选优化,最优模型对预测集样品的平均识别率为95.56%,结果表明该方法可以作为烟叶等级分类的一种有效方法。此外,将该算法与SIMCA、PLS-DA、SVM等三种常见的模式识别算法进行了比较,结果表明基于样品的原始光谱,同等条件下,LSTSVM算法的预测效果优于其他三种算法。
展开更多
关键词
近红外光谱
最小二乘双胞胎支持向量机算法
烟叶
等级分类
在线阅读
下载PDF
职称材料
LSTSVM的样本缩减与空间信息融合方法
被引量:
2
3
作者
王立国
路婷婷
+1 位作者
宛宇美
郝思媛
《光电子.激光》
EI
CAS
CSCD
北大核心
2015年第4期764-771,共8页
针对最小二乘孪生支持向量机(STSVM,least squares twin support vector machines)分类效率低的不足,在一对余(1-a-r)多分类器的基础上,提出一种基于样本缩减(SR)的LSTSVM(SRLSTSVM)分类算法。在核空间中通过距离计算,选出对分类超平面...
针对最小二乘孪生支持向量机(STSVM,least squares twin support vector machines)分类效率低的不足,在一对余(1-a-r)多分类器的基础上,提出一种基于样本缩减(SR)的LSTSVM(SRLSTSVM)分类算法。在核空间中通过距离计算,选出对分类超平面起决定作用的样本点,用于分类器的训练;与此同时,为了充分利用高光谱遥感图像的空间信息,通过主成分分析(PCA)和二维Gabor滤波获取像元的纹理特征,将高光谱遥感图像的空间信息和光谱信息在图像层进行融合用于分类。实验证明,本文提出的SR算法可以在不影响分类精度的基础上大大提高LSTSVM的分类效率,且结合空间信息后的LSTSVM的总体分类精度也有明显提高。
展开更多
关键词
高光谱遥感图像
最小二乘孪生支持向量机(
lstsvm
)
样本缩减(SR)
主成分分析(PCA)
GABOR滤波
原文传递
基于最小二乘双SVM的管道泄漏检测
被引量:
1
4
作者
郝新新
《新疆钢铁》
2025年第1期126-128,共3页
供水管道是城市的重要基础设施,检测管道是否出现泄漏对于维护管道正常运行具有重要意义。本文提出了一种基于最小二乘双支持向量机(Least squares twin support vector machines,LSTSVM)的管道泄漏检测方法。首先,通过无线传感器采集...
供水管道是城市的重要基础设施,检测管道是否出现泄漏对于维护管道正常运行具有重要意义。本文提出了一种基于最小二乘双支持向量机(Least squares twin support vector machines,LSTSVM)的管道泄漏检测方法。首先,通过无线传感器采集供水管道的各种泄漏程度的声振动信号并进行特征处理,提取时域特征信息以构成特征数据集。然后,在基本LSTSVM模型的基础上,基于“一对一”策略构建了一种多分类LSTSVM泄漏检测模型,最后,将特征数据集送入所构建的多分类LSTSVM泄漏检测模型完成供水管道不同泄漏程度的检测识别。实验结果表明,本文所提的供水管道泄漏检测方法具有较高的泄漏识别精度,识别准确率达到了94.89%。
展开更多
关键词
供水管道
泄漏检测
特征提取
lstsvm
在线阅读
下载PDF
职称材料
基于L1-范数距离的最小二乘对支持向量机
被引量:
3
5
作者
周燕萍
业巧林
《计算机科学》
CSCD
北大核心
2018年第4期100-105,130,共7页
最小二乘对支持向量机(LSTSVM)是一种有效的分类技术。然而,该方法需计算点到平面的平方L2-范数距离,从而易受野值或噪声的影响。为了缓解此问题,提出了一种有效的鲁棒LSTSVM方法,即基于L1-范数距离的LSTSVM(LSTSVM_(L1D))。该方法由于...
最小二乘对支持向量机(LSTSVM)是一种有效的分类技术。然而,该方法需计算点到平面的平方L2-范数距离,从而易受野值或噪声的影响。为了缓解此问题,提出了一种有效的鲁棒LSTSVM方法,即基于L1-范数距离的LSTSVM(LSTSVM_(L1D))。该方法由于使用L1范数作为距离度量,因此不易受到野值或噪声数据的影响。此外,设计了一种有效的迭代算法,旨在求解目标问题,并从理论上证明了其收敛性。在人工数据集和UCI数据集上验证了LSTSVM_(L1D)的有效性。
展开更多
关键词
最小二乘支持向量机
基于L1-范数距离的
lstsvm
L1范数距离
L2范数平方距离
在线阅读
下载PDF
职称材料
基于空间特征的多平面支持向量机地形分类
被引量:
2
6
作者
薛琮琳
郭剑辉
马玲玲
《计算机与数字工程》
2019年第5期1217-1222,共6页
近年来,室外自主移动机器人在野外环境下的有着十分重要的应用,比如在野外救援和月球探测等方面。而室外复杂环境下的地形识别研究是面向移动机器人环境感知和识别的一个重要挑战。针对在室外复杂环境下的光照干扰和遮挡等因素,论文提...
近年来,室外自主移动机器人在野外环境下的有着十分重要的应用,比如在野外救援和月球探测等方面。而室外复杂环境下的地形识别研究是面向移动机器人环境感知和识别的一个重要挑战。针对在室外复杂环境下的光照干扰和遮挡等因素,论文提出了一种基于金字塔化SIFT特征(SIFT Spatial Pyramid Matching,SSPM)与最小二乘相关支持向量机(Least Squares Twin Support Vector Machines,LSTSVM)相结合的地形识别方法。相较于传统的词袋式特征表示,加入了局部和空间信息特征,增强了特征对图像的表现能力,进一步提高了识别率,大大减小了训练时间。再利LSTSVM在组合得到的新特征集上学习,最后在得到的分类器上验证算法的可靠性。
展开更多
关键词
地形识别
空间金字塔
最小二乘支持向量机
在线阅读
下载PDF
职称材料
题名
基于CS-LSTSVM的地下管道泄漏识别方法
1
作者
杨刚
汪宙峰
李帅永
宋兵
匡海军
朱海清
机构
重庆市荣冠科技有限公司
万基泰科工集团数字城市科技有限公司
重庆邮电大学
出处
《自动化与仪器仪表》
2025年第2期146-153,159,共9页
基金
重庆市建设科技计划项目(城科字2023第1-4号)
南宁市“邕江计划”青年人才专项(RC20230107)
重庆市自然科学基金创新发展联合基金项目(CSTB2024NSCQ-LZX0035)。
文摘
随着管道规模不断扩大,管道泄漏监测正进入大数据时代。针对传统数据采集方法存在数据体量大、信息冗余等问题,提出了一种基于压缩感知理论(CS)和最小二乘孪生支持向量机(LSTSVM)相结合的管道泄漏识别方法。首先,利用观测矩阵保存信息完整性的特性,对采集到的泄漏信号进行压缩和观测处理,得到观测值数据集,从而降低数据的冗余信息和体量。然后,对观测值数据集提取相应特征信息组成特征数据集。最后,将特征数据集送入LSTSVM识别模型中,利用其优秀的分类算法性能对特征数据进行识别分类。实验结果表明,该方法能在保持较高的泄漏识别准确率下,大幅缩短模型训练和测试时间,并且在管道泄漏检测中具有良好的鲁棒性。其中,当压缩率(CR)为50%且观测矩阵为部分傅里叶矩阵时,模型的识别准确率达到了98.56%,训练时间则减少了81.8%,有效提高了地下管道泄漏识别的效率。
关键词
管道泄漏
压缩感知
lstsvm
观测矩阵
Keywords
pipeline leakage
compressed sensing
lstsvm
the observation matrix
分类号
TP273 [自动化与计算机技术—检测技术与自动化装置]
原文传递
题名
近红外光谱结合LSTSVM算法判别不同等级烟叶
被引量:
9
2
作者
宋相中
赖衍清
李祖红
郑波
李倩倩
吴丽君
张录达
熊艳梅
闵顺耕
机构
中国农业大学理学院
云南省烟草公司曲靖市公司
出处
《分析科学学报》
CAS
CSCD
北大核心
2014年第3期327-331,共5页
基金
中国烟草公司资助项目(No.2010YN65)
文摘
本文用近红外光谱结合最小二乘双胞胎支持向量机(LSTSVM)算法建立了烟叶等级分类模型。从三个等级共210个烟叶样品中,取出120个样品作为建模集,剩余90个样品作为预测集。为了建立最优模型,对光谱预处理方法和模型参数进行筛选优化,最优模型对预测集样品的平均识别率为95.56%,结果表明该方法可以作为烟叶等级分类的一种有效方法。此外,将该算法与SIMCA、PLS-DA、SVM等三种常见的模式识别算法进行了比较,结果表明基于样品的原始光谱,同等条件下,LSTSVM算法的预测效果优于其他三种算法。
关键词
近红外光谱
最小二乘双胞胎支持向量机算法
烟叶
等级分类
Keywords
Near infrared spectroscopy Least square twins support vector machine (
lstsvm
) algorithm Tobacco leaf
Grades classification
分类号
O657.33 [理学—分析化学]
在线阅读
下载PDF
职称材料
题名
LSTSVM的样本缩减与空间信息融合方法
被引量:
2
3
作者
王立国
路婷婷
宛宇美
郝思媛
机构
哈尔滨工程大学信息与通信工程学院
出处
《光电子.激光》
EI
CAS
CSCD
北大核心
2015年第4期764-771,共8页
基金
国家自然科学基金(61275010)
国家教育部博士点基金(20132304110007)
+1 种基金
黑龙江省自然科学基金(F201409)
中央高校基本科研业务费(HEUCFD1410)资助项目
文摘
针对最小二乘孪生支持向量机(STSVM,least squares twin support vector machines)分类效率低的不足,在一对余(1-a-r)多分类器的基础上,提出一种基于样本缩减(SR)的LSTSVM(SRLSTSVM)分类算法。在核空间中通过距离计算,选出对分类超平面起决定作用的样本点,用于分类器的训练;与此同时,为了充分利用高光谱遥感图像的空间信息,通过主成分分析(PCA)和二维Gabor滤波获取像元的纹理特征,将高光谱遥感图像的空间信息和光谱信息在图像层进行融合用于分类。实验证明,本文提出的SR算法可以在不影响分类精度的基础上大大提高LSTSVM的分类效率,且结合空间信息后的LSTSVM的总体分类精度也有明显提高。
关键词
高光谱遥感图像
最小二乘孪生支持向量机(
lstsvm
)
样本缩减(SR)
主成分分析(PCA)
GABOR滤波
Keywords
hyperspectral image
least squares twin support vector machine (
lstsvm
)
sample reduc-tion (SR)
principal component analysis (PVA)
Gabor filtering
分类号
TN911.73 [电子电信—通信与信息系统]
原文传递
题名
基于最小二乘双SVM的管道泄漏检测
被引量:
1
4
作者
郝新新
机构
[
出处
《新疆钢铁》
2025年第1期126-128,共3页
文摘
供水管道是城市的重要基础设施,检测管道是否出现泄漏对于维护管道正常运行具有重要意义。本文提出了一种基于最小二乘双支持向量机(Least squares twin support vector machines,LSTSVM)的管道泄漏检测方法。首先,通过无线传感器采集供水管道的各种泄漏程度的声振动信号并进行特征处理,提取时域特征信息以构成特征数据集。然后,在基本LSTSVM模型的基础上,基于“一对一”策略构建了一种多分类LSTSVM泄漏检测模型,最后,将特征数据集送入所构建的多分类LSTSVM泄漏检测模型完成供水管道不同泄漏程度的检测识别。实验结果表明,本文所提的供水管道泄漏检测方法具有较高的泄漏识别精度,识别准确率达到了94.89%。
关键词
供水管道
泄漏检测
特征提取
lstsvm
Keywords
water supply pipe
leak detection
feature extraction
lstsvm
分类号
TP274 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于L1-范数距离的最小二乘对支持向量机
被引量:
3
5
作者
周燕萍
业巧林
机构
无锡科技职业学院物联网与软件技术学院
南京林业大学信息科学与技术学院
出处
《计算机科学》
CSCD
北大核心
2018年第4期100-105,130,共7页
基金
江苏省自然科学基金(BK20171453)资助
文摘
最小二乘对支持向量机(LSTSVM)是一种有效的分类技术。然而,该方法需计算点到平面的平方L2-范数距离,从而易受野值或噪声的影响。为了缓解此问题,提出了一种有效的鲁棒LSTSVM方法,即基于L1-范数距离的LSTSVM(LSTSVM_(L1D))。该方法由于使用L1范数作为距离度量,因此不易受到野值或噪声数据的影响。此外,设计了一种有效的迭代算法,旨在求解目标问题,并从理论上证明了其收敛性。在人工数据集和UCI数据集上验证了LSTSVM_(L1D)的有效性。
关键词
最小二乘支持向量机
基于L1-范数距离的
lstsvm
L1范数距离
L2范数平方距离
Keywords
Least squares support vector machine
L1-norm distance based
lstsvm
L1-norm distance
Squared L2-norm distance
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
TP39 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于空间特征的多平面支持向量机地形分类
被引量:
2
6
作者
薛琮琳
郭剑辉
马玲玲
机构
南京理工大学计算机科学与工程学院
出处
《计算机与数字工程》
2019年第5期1217-1222,共6页
基金
国家自然科学基金项目(编号:61603190)资助
文摘
近年来,室外自主移动机器人在野外环境下的有着十分重要的应用,比如在野外救援和月球探测等方面。而室外复杂环境下的地形识别研究是面向移动机器人环境感知和识别的一个重要挑战。针对在室外复杂环境下的光照干扰和遮挡等因素,论文提出了一种基于金字塔化SIFT特征(SIFT Spatial Pyramid Matching,SSPM)与最小二乘相关支持向量机(Least Squares Twin Support Vector Machines,LSTSVM)相结合的地形识别方法。相较于传统的词袋式特征表示,加入了局部和空间信息特征,增强了特征对图像的表现能力,进一步提高了识别率,大大减小了训练时间。再利LSTSVM在组合得到的新特征集上学习,最后在得到的分类器上验证算法的可靠性。
关键词
地形识别
空间金字塔
最小二乘支持向量机
Keywords
terrain classification
SPM
lstsvm
分类号
TP301 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CS-LSTSVM的地下管道泄漏识别方法
杨刚
汪宙峰
李帅永
宋兵
匡海军
朱海清
《自动化与仪器仪表》
2025
0
原文传递
2
近红外光谱结合LSTSVM算法判别不同等级烟叶
宋相中
赖衍清
李祖红
郑波
李倩倩
吴丽君
张录达
熊艳梅
闵顺耕
《分析科学学报》
CAS
CSCD
北大核心
2014
9
在线阅读
下载PDF
职称材料
3
LSTSVM的样本缩减与空间信息融合方法
王立国
路婷婷
宛宇美
郝思媛
《光电子.激光》
EI
CAS
CSCD
北大核心
2015
2
原文传递
4
基于最小二乘双SVM的管道泄漏检测
郝新新
《新疆钢铁》
2025
1
在线阅读
下载PDF
职称材料
5
基于L1-范数距离的最小二乘对支持向量机
周燕萍
业巧林
《计算机科学》
CSCD
北大核心
2018
3
在线阅读
下载PDF
职称材料
6
基于空间特征的多平面支持向量机地形分类
薛琮琳
郭剑辉
马玲玲
《计算机与数字工程》
2019
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部