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
共找到765篇文章
< 1 2 … 39 >
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：
机载激光点云数据滤波下尾矿坝位移变形监测
1
作者 赵国强 《有色金属(矿山部分)》 2026年第1期49-55,共7页
尾矿坝作为矿业生产的核心设施,其稳定性对矿山安全及周边环境具有重要影响。受表面植被覆盖和复杂地形影响,机载激光点云数据在采集过程中常面临密度不均及多尺度噪声干扰的问题,导致传统方法在形变估计时出现偏差。因此,提出基于机载... 尾矿坝作为矿业生产的核心设施,其稳定性对矿山安全及周边环境具有重要影响。受表面植被覆盖和复杂地形影响,机载激光点云数据在采集过程中常面临密度不均及多尺度噪声干扰的问题,导致传统方法在形变估计时出现偏差。因此,提出基于机载激光点云数据滤波的尾矿坝位移变形监测方法,通过K邻近搜索算法建立空间索引以划分多尺度噪声,并引入空间距离权重与几何相似性权重的双重约束机制,结合双边滤波算法有效抑制噪声干扰。同时,采用对象分割技术将监测区域划分为3D网格单元,实现尾矿坝水平变形与垂直沉降的高精度监测。结果表明,该方法在水平变形和垂直沉降监测中的平均绝对误差显著减小,位移速率波动率低,最大误差仅0.4%,为尾矿坝全生命周期安全提供了毫米级感知能力。相较于传统DS-InSAR技术和时序分解模型,本研究方法在复杂植被覆盖和地形起伏区域表现出更高的监测精度和稳定性,尤其适用于尾矿坝长期安全预警及动态管理场景。 展开更多
关键词 尾矿坝位移变形 双边滤波算法 K邻近搜索算法 法向量夹角 三维单元分割
在线阅读 下载PDF
基于机器学习的30%TBP/煤油-硝酸体系中主要组分的分配比预测研究 被引量：1
2
作者 于婷 张音音 +6 位作者 张睿志 金文蕾 罗应婷 朱升峰 何辉 叶国安 龚禾林 《原子能科学技术》 北大核心 2025年第1期14-23,共10页
为最优化后处理过程的实验条件、优化工艺、降低实验成本和时间,并提高后处理流程数学模拟的准确性,本文基于随机森林、支持向量回归和K近邻这3种经典的机器学习算法建立了30%TBP/煤油-硝酸体系中主要组分铀、钚、硝酸的分配比数学模型... 为最优化后处理过程的实验条件、优化工艺、降低实验成本和时间,并提高后处理流程数学模拟的准确性,本文基于随机森林、支持向量回归和K近邻这3种经典的机器学习算法建立了30%TBP/煤油-硝酸体系中主要组分铀、钚、硝酸的分配比数学模型,并基于不同数据集进行了超参数优化和模型训练。通过对模型进行验证和测试,发现采用随机森林算法建立的分配比模型准确度最高,其对铀预测的平均绝对相对误差达7.73%,较传统方法提高了约7%。与传统建模方法相比,机器学习方法建立模型的准确度更高。 展开更多
关键词 分配比数学模型 随机森林 支持向量回归 K近邻
在线阅读 下载PDF
基于DWD-SVR模型的锂离子电池剩余使用寿命预测 被引量：2
3
作者 王小明 何叶 +3 位作者 王路路 吴红斌 徐斌 赵文广 《太阳能学报》 北大核心 2025年第2期52-59,共8页
针对锂离子电池容量退化特性的非线性和多尺度特性,提出一种基于离散小波分解(DWD)和支持向量回归(SVR)模型的锂离子电池RUL预测方法。首先,利用DWD对容量时间序列进行多尺度解耦,以降低局部再生和波动现象对预测结果的影响;其次,利用K... 针对锂离子电池容量退化特性的非线性和多尺度特性,提出一种基于离散小波分解(DWD)和支持向量回归(SVR)模型的锂离子电池RUL预测方法。首先,利用DWD对容量时间序列进行多尺度解耦,以降低局部再生和波动现象对预测结果的影响;其次,利用K-均值聚类方法将各尺度信号中样本熵与排列熵相近的子序列进行聚类,根据聚类结果将复杂度与随机性相近的子序列进行重构,以减少建模次数,提高预测效率;最后,通过SVR预测模型精确捕捉不同尺度下容量信号的变化情况,实现电池RUL准确预测。实验结果表明,提出的基于DWD-SVR模型的锂离子电池RUL预测方法能在保证全局退化趋势预测准确性的同时对波动进行及时地响应,可提高预测性能。 展开更多
关键词 锂离子电池 支持向量回归 K-均值聚类 剩余使用寿命 离散小波分解
原文传递
泛Clifford分析中的k-向量正则函数与相关算子的性质
4
作者 许娜 杨贺菊 李万营 《高校应用数学学报(A辑)》 北大核心 2025年第4期487-500,共14页
该文首先定义了泛Clifford分析的T_(i)算子并研究了T_(i)算子与Dirac算子的交换性质,其次利用Dirac算子和T_(i)算子构造L算子和R算子,定义了取值在泛Clifford代数上的k-向量正则函数,并且研究了k-向量正则函数与其他正则函数类和广义调... 该文首先定义了泛Clifford分析的T_(i)算子并研究了T_(i)算子与Dirac算子的交换性质,其次利用Dirac算子和T_(i)算子构造L算子和R算子,定义了取值在泛Clifford代数上的k-向量正则函数,并且研究了k-向量正则函数与其他正则函数类和广义调和函数的关系.最后给出了泛Clifford代数空间中与R算子和L算子相关的广义的Stokes公式,它是后续找出k-向量正则函数积分表示的重要基础. 展开更多
关键词 泛Clifford代数 L算子 R算子 k-向量正则函数 STOKES公式
在线阅读 下载PDF
面向复杂路面环境的SINS/LDV鲁棒标定算法
5
作者 韩勇强 李贞旭 +3 位作者 崔少君 孙恩顺 叶响 陈家斌 《中国惯性技术学报》 北大核心 2025年第11期1091-1100,共10页
针对激光多普勒测速仪(LDV)在积水、泥泞等复杂路面环境下易出现量测野值与测速失效,导致标定精度下降的问题,提出一种面向复杂路面环境的捷联惯性导航系统(SINS)/LDV鲁棒标定算法。首先,基于SINS与GNSS组合输出的导航信息及LDV速度信息... 针对激光多普勒测速仪(LDV)在积水、泥泞等复杂路面环境下易出现量测野值与测速失效,导致标定精度下降的问题,提出一种面向复杂路面环境的捷联惯性导航系统(SINS)/LDV鲁棒标定算法。首先,基于SINS与GNSS组合输出的导航信息及LDV速度信息,构造滑动窗口内的位移增量观测矢量,并采用指数加权移动平均方法提升抗噪能力,从而提高LDV比例因子的标定精度。然后,通过改进向量化K矩阵的鲁棒卡尔曼滤波算法有效降低观测矢量中噪声的影响,提升了安装误差角的标定精度。仿真和车载实验表明,在LDV测速失效时,所提算法仍能有效标定相关误差参数。基于标定结果的车载航位推算验证显示:与基于四元数的卡尔曼滤波及梯度下降四元数标定算法相比,所提算法的水平定位均方根误差(RMSE)分别降低18.18%和28.74%,高度定位RMSE分别降低22.68%和45.69%,总里程177 km的终点水平定位精度达到0.018%D,提升了复杂路面环境下算法的鲁棒性和标定精度。 展开更多
关键词 捷联惯导 激光多普勒测速仪 标定算法 向量化K矩阵滤波
在线阅读 下载PDF
向量集值优化问题的若干最优性条件
6
作者 万莉娟 李晓丹 崔继贤 《齐齐哈尔大学学报(自然科学版)》 2025年第4期90-94,共5页
借助K-凸函数的K-回收映射、K-雅可比映射和K-回收锥建立向量集值优化问题的几个最优性条件。
关键词 K-凸函数 K-回收锥 K-回收映射 K-雅可比映射 向量集值优化 最优性条件
在线阅读 下载PDF
基于加速意图的发动机无力故障诊断方法
7
作者 徐洪胜 冯立 +1 位作者 高苏萌 王梦芸 《湖北汽车工业学院学报》 2025年第2期41-46,共6页
针对商用车发动机无力故障诊断高成本与低效率的问题,提出了一种诊断框架。分析商用车运行数据并结合现场试车的试验原理,构建反映加速意图的数据集,将加速意图分为轻度、中度和急加速3种类型;采用K近邻和支持向量机算法,对3种加速意图... 针对商用车发动机无力故障诊断高成本与低效率的问题,提出了一种诊断框架。分析商用车运行数据并结合现场试车的试验原理,构建反映加速意图的数据集,将加速意图分为轻度、中度和急加速3种类型;采用K近邻和支持向量机算法,对3种加速意图建立无力故障诊断模型。相较于未区分加速意图的方法,文中诊断模型的准确率分别提升了12.4%、18.6%和21.9%。 展开更多
关键词 发动机无力故障 故障诊断 加速意图 K近邻法 支持向量机
在线阅读 下载PDF
GPS数据驱动的货车运行风险评估与辨识方法
8
作者 熊志华 李嘉钰 黄韵合 《安全与环境学报》 北大核心 2025年第12期4529-4536,共8页
货车车均事故率高,事故后果严重,研究货运车辆运行风险对提升道路交通安全与效率具有重要意义。基于924辆货车全球定位系统(Global Positioning System,GPS)数据,提取货运车辆的启动、运行和制动3个层面的13个运动学参数;借助熵权法测... 货车车均事故率高,事故后果严重,研究货运车辆运行风险对提升道路交通安全与效率具有重要意义。基于924辆货车全球定位系统(Global Positioning System,GPS)数据,提取货运车辆的启动、运行和制动3个层面的13个运动学参数;借助熵权法测算各参数权重和样本数据的安全性评分,结合随机森林模型筛选出6个关键指标;基于关键指标和K-means聚类算法,对货车的出行风险进行分类和评估;将评估结果作为训练集,构建麻雀搜索算法-支持向量机(Sparrow Search Algorithm-Support Vector Machine,SSA-SVM)模型,辨识货车在途出行安全性。筛选出的6个关键指标对样本描述的准确率达96.7%,将货车出行风险分为优良差三类,从启动、运行和制动三方面刻画货车行驶安全性画像。构建SSA-SVM辨识模型,判别货车出行风险类型准确率为96%。通过挖掘GPS数据将货车运行的历史数据的安全评估和在途运行的安全辨识结合起来,构建数据基座-关键指标-安全画像-风险辨识体系框架,为提升预警的准确性和安全培训的针对性、强化监管的智能化提供支撑。 展开更多
关键词 安全工程 熵权法 随机森林模型 K-MEANS聚类 麻雀搜索算法 支持向量机
原文传递
基于机器学习的女性压力性尿失禁发病风险预测模型建立及效能评价 被引量：3
9
作者 时欣然 庞震 +2 位作者 乔婷 李晶晶 王勤章 《现代泌尿外科杂志》 2025年第3期196-206,共11页
目的运用K最近邻法(KNN)、支持向量机(SVM)、决策树(DT)及随机森林(RF)构建女性压力性尿失禁(SUI)发病的预测模型,并评估各模型效能,为SUI的早期诊断提供参考。方法回顾性分析2019年10月—2023年10月石河子大学第一附属医院泌尿外科及... 目的运用K最近邻法(KNN)、支持向量机(SVM)、决策树(DT)及随机森林(RF)构建女性压力性尿失禁(SUI)发病的预测模型,并评估各模型效能,为SUI的早期诊断提供参考。方法回顾性分析2019年10月—2023年10月石河子大学第一附属医院泌尿外科及妇产科治疗的女性SUI患者及同期行健康查体女性的临床资料,将产后42 d女性纳入产后组(n=611),围绝经期与绝经后女性纳入非产后组(n=409)。设置随机种子数并以7∶3的比例分为训练集与验证集。收集所有研究对象的相关临床资料,使用单因素及Lasso回归筛选有意义的变量,将其纳入KNN、SVM、DT及RF算法中并构建模型,分别计算模型的敏感度、特异度、准确度、曲线下面积(AUC)等,筛选出最优的模型。结果产后组SUI患者为352例,占57.6%。根据单因素及Lasso回归,产后组筛选出有意义的变量为:年龄、身体质量指数(BMI)、快肌阶段最大值、孕次、膀胱颈移动度(BND)、尿道旋转角(URA)、会阴侧切、既往尿失禁史及便秘。在产后组验证集中KNN、SVM、DT、RF模型的AUC分别为0.881、0.878、0.750、0.905,RF模型的AUC、准确度、F1指数及Kappa值均最大。非产后组SUI患者为260例,占63.6%。根据单因素及Lasso回归,非产后组筛选出有意义的变量为:年龄、BMI、快肌阶段最大值及恢复时间、慢肌阶段平均值、后静息阶段变异性、阴道分娩、既往尿失禁史及便秘。在非产后组验证集中KNN、SVM、DT、RF模型的AUC分别为0.819、0.805、0.603、0.830,RF模型的AUC、准确度、Kappa值均最大。结论本研究基于机器学习成功建立4种产后42 d女性,围绝经期及绝经后女性SUI发病的预测模型,其中采用RF算法的模型预测效率最佳。 展开更多
关键词 压力性尿失禁 预测模型 机器学习 决策树 随机森林 支持向量机 K最近邻法
暂未订购
基于机器学习的冠心病风险预测模型构建与比较 被引量：2
10
作者 岳海涛 何婵婵 +3 位作者 成羽攸 张森诚 吴悠 马晶 《中国全科医学》 CAS 北大核心 2025年第4期499-509,共11页
背景冠状动脉粥样硬化性心脏病(以下简称冠心病)是全球重要的死亡原因之一。目前关于冠心病风险评估的研究在逐年增长。然而,在这些研究中常忽略了数据不平衡的问题,而解决该问题对于提高分类算法中识别冠心病风险的准确性至关重要。目... 背景冠状动脉粥样硬化性心脏病(以下简称冠心病)是全球重要的死亡原因之一。目前关于冠心病风险评估的研究在逐年增长。然而,在这些研究中常忽略了数据不平衡的问题,而解决该问题对于提高分类算法中识别冠心病风险的准确性至关重要。目的探索冠心病的影响因素,通过使用2种平衡数据的方法,基于5种算法建立冠心病风险相关的预测模型,比较这5种模型对冠心病风险的预测价值。方法基于2021年美国国家行为风险因素监测系统(BRFSS)横断面调查数据筛选出112606名研究对象的健康相关风险行为、慢性健康状况等24个变量信息,结局指标为自我报告是否患有冠心病并据此分为冠心病组和非冠心病组。通过进行单因素分析和逐步Logistic回归分析探索冠心病发生的影响因素并筛选出纳入预测模型的变量。随机抽取112606名受访者的10%(共计11261名),以8∶2的比例随机划分为训练与测试的数据集,采用随机过采样和合成少数过采样技术(SMOTE)两种过采样的方法处理不平衡数据,基于k最邻近算法(KNN)、Logistic回归、支持向量机(SVM)、决策树和XGBoost算法分别建立冠心病预测模型。结果两组年龄、性别、BMI、种族、婚姻状态、教育水平、收入水平、家里有几个孩子、是否被告知患高血压、是否被告知处于高血压前期、是否被告知患妊娠高血压、现在是否在服用高血压药物、是否被告知患有高脂血症、是否被告知患有糖尿病、吸烟情况、过去30 d内是否至少喝过1次酒、是否为重度饮酒者、是否为酗酒者、过去30 d内是否有体育锻炼、心理健康状况以及自我健康评价比较,差异有统计学意义(P<0.05)。逐步Logistic回归分析结果显示:年龄、性别、BMI、种族、教育水平、收入水平、是否被告知患高血压、是否被告知处于高血压前期、是否被告知患妊娠高血压、现在是否在服用高血压药物、是否被告知患有高脂血症、是否被告知患有糖尿病、吸烟情况、过去30 d内是否至少喝过1次酒、是否为重度饮酒者、是否为酗酒者以及自我健康评价为冠心病的影响因素(P<0.05)。风险模型构建的分析结果显示:k最邻近算法、Logistic回归、支持向量机、决策树和XGBoost采用SMOTE处理不平衡数据的总体分类精度分别为59.2%、67.4%、66.2%、69.2%和85.9%,召回率分别为75.2%、71.4%、70.5%、62.9%和34.8%,精确度分别为15.4%、18.2%、17.5%、17.6%和28.7%,F值分别为0.256、0.290、0.280、0.275和0.315,受试者工作特征曲线下面积分别为0.80、0.78、0.72、0.72和0.82;采用随机过采样处理不平衡数据的总体分类精度分别为62.5%、68.5%、69.0%、60.2%和70.1%,召回率分别为70.0%、69.5%、71.9%、69.0%和67.6%;精确度分别为15.8%、18.4%、19.1%、14.8%和19.0%,F值分别为0.258、0.291、0.302、0.244和0.297,受试者工作特征曲线下面积分别为0.80、0.77、0.72、0.72和0.83。结论本研究不仅确认了已知冠心病的影响因素,还发现了自我健康评价水平、收入水平和教育水平对冠心病具有潜在影响。在使用2种数据平衡方法后,5种算法的性能显著提高。其中XGBoost模型表现最佳,可作为未来优化冠心病预测模型的参考。此外,鉴于XGBoost模型的优异性能以及逐步Logistic回归的操作便捷和可解释性,推荐在冠心病风险预测模型中结合使用数据平衡后的XGBoost和逐步Logistic回归分析。 展开更多
关键词 冠心病 机器学习 风险预测模型 LOGISTIC回归 k最邻近算法 支持向量机 决策树 XGBoost
暂未订购
基于K-means聚类的LSTM-SVR-DE光伏功率组合预测 被引量：3
11
作者 张元曦 杨国华 +4 位作者 杨娜 李祯 马鑫 刘浩睿 南少帅 《综合智慧能源》 2025年第2期71-78,共8页
为进一步提高光伏发电功率预测的准确性,提出一种基于长短期记忆神经网络(LSTM)和支持向量回归(SVR)的组合预测模型。分别利用LSTM和SVR模型对光伏功率进行预测,在此基础上采用Stacking堆叠集成的策略对2种单一模型预测结果进行线性组合... 为进一步提高光伏发电功率预测的准确性,提出一种基于长短期记忆神经网络(LSTM)和支持向量回归(SVR)的组合预测模型。分别利用LSTM和SVR模型对光伏功率进行预测,在此基础上采用Stacking堆叠集成的策略对2种单一模型预测结果进行线性组合,并使用差分进化算法(DE)寻找最佳组合权重。最后,对宁夏某光伏电站的真实数据进行仿真和对比研究,结果表明该方法对比LSTM和SVR模型预测误差减小约70%。 展开更多
关键词 K-MEANS聚类 LSTM神经网络 支持向量回归 差分进化法 光伏功率预测
在线阅读 下载PDF
特征提取和筛选下低速制动颤振的评价
12
作者 李天舒 靳畅 +1 位作者 李阳 姜天宇 《振动.测试与诊断》 北大核心 2025年第1期39-44,198,共7页
针对汽车低速制动时的蠕动颤振表现主要依靠人工主观评价,存在成本高、耗时长、易受人员主观性影响等问题,提出了一种基于机器学习模型的智能评价方法。首先,研究并提取了颤振信号的特征;其次,采用支持向量机(support vector machine,简... 针对汽车低速制动时的蠕动颤振表现主要依靠人工主观评价,存在成本高、耗时长、易受人员主观性影响等问题,提出了一种基于机器学习模型的智能评价方法。首先,研究并提取了颤振信号的特征;其次,采用支持向量机(support vector machine,简称SVM)和K近邻算法(K nearest neighbors,简称KNN)2种机器学习模型进行制动颤振的智能评价;然后,提出基于概率密度特征的特征排序与筛选算法,将特征从39维筛选至11维,以提高机器学习模型的准确率;最后,通过对比试验发现,经过特征筛选后的训练机器学习模型SVM和KNN的准确率分别从72.5%和68.75%提升到了86.25%和87.5%。试验结果表明,提出的特征提取和基于概率密度的特征筛选方法在对蠕动颤振评价上具有较高的有效性。 展开更多
关键词 制动颤振 特征提取 特征排序 特征筛选 支持向量机 K近邻
在线阅读 下载PDF
基于群智能优化的SVM-KNN人脸识别方法研究
13
作者 雷光政 乔建华 +1 位作者 马调花 张雄 《太原科技大学学报》 2025年第6期516-521,共6页
单纯的支持向量机(SVM)对于人脸图像识别率并不高,并且无法快速地处理特征向量维数过高时的人脸图片,因此提出了基于粒子群算法(PSO)改进的SVM-KNN算法,该方法首先提取人脸图片的特征系数,然后利用PSO优化SVM分类器参数,用径向基(RBF)... 单纯的支持向量机(SVM)对于人脸图像识别率并不高,并且无法快速地处理特征向量维数过高时的人脸图片,因此提出了基于粒子群算法(PSO)改进的SVM-KNN算法,该方法首先提取人脸图片的特征系数,然后利用PSO优化SVM分类器参数,用径向基(RBF)函数作为核函数,优化SVM惩罚参数C与核半径参数g,最后结合KNN算法进行分类识别。该方法在ORL人脸库中识别率达到99.40%,在Yale人脸库中识别率达到96.80%,且处理速度也优于常用的其它方法,表明该方法的有效性。 展开更多
关键词 主成分分析 支持向量机 K近邻算法 粒子群算法 人脸识别
在线阅读 下载PDF
一种识别和检测人工智能生成文本的算法 被引量：2
14
作者 王雨欣 刘柯飞 +1 位作者 李雪莲 王红军 《电讯技术》 北大核心 2025年第3期378-384,共7页
针对目前人工智能(Artificial Intelligence,AI)生成文本的滥用导致的学术不端、侵犯版权、隐私保护和舆情监控等问题,提出了一种基于自然语言处理的AI生成文本的识别和检测算法。该算法首先采用Word2vec方法中的连续词袋模型将文本词... 针对目前人工智能(Artificial Intelligence,AI)生成文本的滥用导致的学术不端、侵犯版权、隐私保护和舆情监控等问题,提出了一种基于自然语言处理的AI生成文本的识别和检测算法。该算法首先采用Word2vec方法中的连续词袋模型将文本词转换成词向量,并将词向量累加获得文本向量。随后利用softmax函数获取文本向量的概率分布,通过统计可视化分析AI生成文本的基本规律,并采用余弦相似性来判断文本类型。其次采用支持向量机递归特征消除算法判断文本是否由AI生成,通过K-近邻算法对文本重生成次数进行判断,进一步细化了文本检测的粒度。通过仿真实验验证了算法的有效性,结果显示算法识别准确率达80%及以上。 展开更多
关键词 AI生成文本检测 文本向量 余弦相似性 支持向量机(SVM) K-近邻(KNN)算法
在线阅读 下载PDF
基于K均值聚类和支持向量机的电梯层门腐蚀等级评估 被引量：1
15
作者 郑强 《机电工程技术》 2025年第8期178-181,185,共5页
电梯层门是电梯主要零部件,因环境腐蚀会导致层门强度不足,会引起电梯故障甚至会导致坠落等特种设备事故的发生。电梯层门腐蚀面积以及腐蚀产物的颜色是获取层门腐蚀信息的一个重要指标,也是评价电梯层门腐蚀等级的重要数据来源。设计... 电梯层门是电梯主要零部件,因环境腐蚀会导致层门强度不足,会引起电梯故障甚至会导致坠落等特种设备事故的发生。电梯层门腐蚀面积以及腐蚀产物的颜色是获取层门腐蚀信息的一个重要指标,也是评价电梯层门腐蚀等级的重要数据来源。设计一种新型层门腐蚀图像获取装置用于获取层门的腐蚀原始图片。采用RGB颜色分析法描述层门腐蚀产物的颜色特征,通过二值法对腐蚀产物颜色特征的进行分割,确定各个腐蚀特征区域的面积,并计算各个腐蚀特征区域的R、G、B平均颜色值,通过归一化处理后建立各个层门图像的特征向量,并构建样本集。采用K均值聚类算法对样本集进行4类划分,将样本集分为训练样本集和测试样本集。基于训练样本集得到的腐蚀程度评价结果,以各样本的腐蚀程度类型作为类别标签,采用高斯径向基函数为核函数,训练支持向量机模型。利用所训练的支持向量机模型对测试样本集中各个样本的腐蚀程度所属类型进行评估,并通过ROC曲线图的AUC面积进行评价,验证所训练持向量机模型在利用电梯层门图像评价其腐蚀程度的可行性和有效性。 展开更多
关键词 电梯层门 K均值聚类 支持向量机 特征向量 腐蚀等级评估
在线阅读 下载PDF
基于复近似信息传递算法和K近邻算法的DOA估计方法
16
作者 田雨晴 吕香茹 王鹏 《中北大学学报(自然科学版)》 2025年第5期651-660,共10页
针对传统算法在低信噪比、小快拍、多信源等情况下波达方向(Direction of Arrival,DOA)估计精度低的问题,提出了一种基于多测量向量模型的复近似信息传递算法(MMV Complex Approximate Message Passing,MCAMP)和K近邻算法(K-Nearest Nei... 针对传统算法在低信噪比、小快拍、多信源等情况下波达方向(Direction of Arrival,DOA)估计精度低的问题,提出了一种基于多测量向量模型的复近似信息传递算法(MMV Complex Approximate Message Passing,MCAMP)和K近邻算法(K-Nearest Neighbour,KNN)的矢量水听器阵列DOA估计方法。首先,对空域进行等角度划分,构造出超完备阵列流形矩阵,建立基于稀疏表示的多快拍DOA估计模型。然后,采用MCAMP算法进行初步估计,保存估计结果的峰值数据,使用KNN算法对此数据进行聚类。最后,使用内积匹配准则选择每类信号值最大的原子,从而得到DOA估计值。仿真实验结果表明,与传统算法相比,该方法具有抗噪能力强,估计精度高等优点。 展开更多
关键词 DOA估计 压缩感知 复近似信息传递算法 K近邻算法 矢量水听器
在线阅读 下载PDF
基于因子分析的岩性识别智能模型对比
17
作者 何俊杰 李谦 +2 位作者 李同意 魏思维 姜杰 《钻探工程》 2025年第S1期105-111,共7页
岩性识别是钻探中十分重要的环节,传统岩性识别方法耗时较长且准确率较低,基于机器学习的智能岩性识别可以有效加快岩性识别的效率,准确率更高,泛化能力更强。本文以实现基于钻进参数的智能岩性识别预测为目标,使用逻辑回归、支持向量机... 岩性识别是钻探中十分重要的环节,传统岩性识别方法耗时较长且准确率较低,基于机器学习的智能岩性识别可以有效加快岩性识别的效率,准确率更高,泛化能力更强。本文以实现基于钻进参数的智能岩性识别预测为目标,使用逻辑回归、支持向量机、K近邻算法、随机森林、神经网络5种算法,先对原始数据进行预处理,然后对地层参数和其他参数进行因子分析、降维处理,建立了以钻进参数矩阵为输入,岩性分类识别和地层参数预测为输出的岩性智能识别模型,实现了钻遇地层的智能预测。实验表明,5种算法下岩性识别在测试集上的准确率和F1分数大部分达到70%以上,个别算法准确率较低但也在60%左右,5个模型地层参数预测的指标MAE和RMSE大部分都在1之下,识别预测准确。 展开更多
关键词 岩性识别 因子分析 机器学习 人工智能建模 逻辑回归 SVM支持向量机 K近邻算法 随机森林 神经网络
在线阅读 下载PDF
支持向量机的大样本迭代训练算法
18
作者 陈积茂 《现代信息科技》 2025年第12期85-91,共7页
针对支持向量机(SVM)的大样本训练问题,提出了一种新的迭代训练算法。为了构建初始训练样本集,运用K均值聚类算法压缩训练样本集,将各聚类质心作为初始训练样本集,减少样本间多余的信息,以提升训练速度。为了保证训练精度,以所得质心为... 针对支持向量机(SVM)的大样本训练问题,提出了一种新的迭代训练算法。为了构建初始训练样本集,运用K均值聚类算法压缩训练样本集,将各聚类质心作为初始训练样本集,减少样本间多余的信息,以提升训练速度。为了保证训练精度,以所得质心为初始样本集添加分类的边界样本和错分样本,并以其作为训练样本举行迭代训练,直到错分样本数量稳定为止。此处K均值聚类的SVM迭代训练算法能在维持训练精度的同时减小运算复杂度,优化以提高分类和训练速度。 展开更多
关键词 支持向量机 K均值聚类算法 迭代算法 机器学习
在线阅读 下载PDF
基于医疗大数据结合人工智能算法在呼吸机故障识别与预防性维护中的应用 被引量：4
19
作者 宫昕晨 温林 《中国医疗设备》 2025年第3期41-48,共8页
目的提出一种基于粒子群优化(Particle Swarm Optimization,PSO)算法和反向传播(Back Propagation,BP)神经网络模型的呼吸机故障识别与预防性维护策略,旨在提高呼吸机设备管理、维修水平,为呼吸机预防性维护提供参考。方法选取2017—202... 目的提出一种基于粒子群优化(Particle Swarm Optimization,PSO)算法和反向传播(Back Propagation,BP)神经网络模型的呼吸机故障识别与预防性维护策略,旨在提高呼吸机设备管理、维修水平,为呼吸机预防性维护提供参考。方法选取2017—2023年我院使用的呼吸机日常质量控制数据、临床使用数据、环境数据等多模态数据为研究对象,介绍PSO算法,建立粒子群优化-反向传播(PSO-BP)模型,同时引入K近邻(K-Nearest Neighbor Classification,KNN)模型、支持向量机(Support Vector Machine,SVM)模型以及极端梯度提升(eXtreme Gradient Boosting,XGBoost)模型作为对比模型,并选择准确度(Accuracy,ACC)、精准度(Precision,PRE)、召回率、F1得分以及曲线下面积(Area Under Curve,AUC)对模型进行评价。结果训练后的PSO-BP模型ACC、PRE、召回率、F1得分及AUC值分别为90.05%、91.00%、89.30%、0.90以及0.88;相对于KNN、SVM、XGBoost以及BP模型,PSO-BP模型识别ACC分别提高了6.64%、4.50%、3.32%、7.35%;召回率、F1得分及AUC值在一定程度上也得到了提高。模型最优阈值为0.6768,呼吸机安全区、稳定区、危险区以及高危区区间分别为[0,0.3384]、(0.3384,0.6768]、(0.6768,0.8384]、(0.8384,1.0000]。结论通过高通量医疗大数据建立的PSO-BP模型可有效识别呼吸机故障,并可使用定量数据为呼吸机预防性维护提供参考,具有一定的理论和实际应用意义。 展开更多
关键词 PSO-BP模型 故障识别 预防性维护 K近邻模型 支持向量机 极端梯度提升 高通量数据
在线阅读 下载PDF
基于地铁刷卡数据的嫌疑人识别方法
20
作者 郭思慧 李佳蓉 +1 位作者 黄梦娜 刘高鸣 《北京测绘》 2025年第5期730-735,共6页
城市公共交通系统中的乘客一直是嫌疑人锁定的主要目标。如何根据乘客的出行行为特征识别嫌疑人,从而预防公共交通偷窃事件的发生,成为安全部门关注的重点问题。随着大数据、人工智能等技术的快速发展,交通刷卡数据已经成为挖掘乘客移... 城市公共交通系统中的乘客一直是嫌疑人锁定的主要目标。如何根据乘客的出行行为特征识别嫌疑人,从而预防公共交通偷窃事件的发生,成为安全部门关注的重点问题。随着大数据、人工智能等技术的快速发展,交通刷卡数据已经成为挖掘乘客移动模式和进行社会感知的重要基础。然而,现有从海量轨迹数据中识别少数异常的方法仍存在假阳率高的问题,难以有效识别嫌疑人。为此,本文提出两步异常轨迹识别法,先通过K-均值聚类过滤一部分样本,然后对剩余样本采用单类支持向量机(One-Class SVM)进行二分类,从而识别嫌疑人。以上海市交通刷卡数据为例,实验结果表明,先聚类再分类的两步识别法可有效区分嫌疑人的异常轨迹,且嫌疑人主要分布在上海中心城区的地铁站附近。结果与实际相符,可为进一步建立监测与追踪系统提供参考。 展开更多
关键词 公共交通 地铁刷卡 嫌疑人 异常轨迹识别 K-均值聚类 支持向量机(SVM)
在线阅读 下载PDF
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 2 … 39 下一页 到第 页
使用帮助 返回顶部