期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
高精度温度传感器温漂误差非线性校正方法
1
作者 张晓娟 张婷 樊东燕 《传感技术学报》 北大核心 2025年第5期788-793,共6页
温度传感器的温漂误差会随着温度变化逐渐累积,导致温度测量结果与实际温度之间存在较大的偏差,影响温度传感器测量的准确性。因此,提出一种基于SVM回归校正算法的传感器温漂误差非线性校正方法。建立传感器温度变化函数,求得温漂与其... 温度传感器的温漂误差会随着温度变化逐渐累积,导致温度测量结果与实际温度之间存在较大的偏差,影响温度传感器测量的准确性。因此,提出一种基于SVM回归校正算法的传感器温漂误差非线性校正方法。建立传感器温度变化函数,求得温漂与其他参数间线性和非线性变化关系,由此建立SVM回归校正空间,设定温漂观测序列,按照时间将序列中各个点映射到校正空间中,定义温漂误差的极小目标函数,采用拉格朗日函数将非线性校正问题转化为对偶优化问题,再引入点积核函数进行相应操作,实现误差非线性校正。实验结果表明,校正后的温漂误差校正结果与真实温度拟合度较为接近,且校正后的温漂误差在0.05以内,校正精准度较高,具有一定的实用价值。 展开更多
关键词 温度传感器 非线性校正 回归校正算法 支持向量机 拉格朗日函数 核函数
在线阅读 下载PDF
向量优化问题的Benson真有效解 被引量:1
2
作者 张改英 贾继红 +1 位作者 李孟芹 赵东涛 《纺织高校基础科学学报》 CAS 2001年第4期289-291,共3页
在广义凸条件下 ,研究了带控制参量的向量优化问题 .给出了 Benson真有效解与相应标量化问题最优解的关系及 Benson真有效解的充要条件 .
关键词 锥次类凸映射 向量lagrangians函数 BENSON真有效解
在线阅读 下载PDF
向量优化问题的Benson真有效解的充分与必要条件
3
作者 张改英 贾继红 +1 位作者 王春玲 赵东涛 《纺织高校基础科学学报》 CAS 2002年第1期52-54,共3页
在广义凸条件下 ,研究了带控制参量的向量优化问题 .给出了这个问题的向量Lagrangians函数的概念 .获得了 Benson真有效解的充分条件与必要条件 .
关键词 向量优化问题 锥次类凸映射 向量lagrangians函数 真鞍点 BENSON真有效解
在线阅读 下载PDF
MK-LSSVM与AdaBoost-SVM在分类中的比较和研究 被引量:2
4
作者 刘卫华 《自动化仪表》 CAS 北大核心 2013年第5期13-15,19,共4页
对基于多核函数的最小二乘支持向量机算法(MK-LSSVM)和采用支持向量机作为弱分类器的AdaBoost算法(AdaBoost-SVM)这两种新型的分类算法进行了研究。将这两种算法应用于求解心脏单光子发射计算机化断层显像(SPECT)图像数据的二分类问题和... 对基于多核函数的最小二乘支持向量机算法(MK-LSSVM)和采用支持向量机作为弱分类器的AdaBoost算法(AdaBoost-SVM)这两种新型的分类算法进行了研究。将这两种算法应用于求解心脏单光子发射计算机化断层显像(SPECT)图像数据的二分类问题和iris数据集的多分类问题,并从平均分类精度和平均运行时间两方面进行比较分析。最后通过Sammon映射给出了分类的可视化结果。试验结果验证了MK-LSSVM算法和AdaBoost-SVM算法的有效性和可行性,且MK-LSSVM算法在不损失分类精度的前提下,能够获得比AdaBoost-SVM更快的训练速度。 展开更多
关键词 多核核函数 最小二乘支持向量机 ADABOOST算法 神经网络 拉格朗日函数 分类精度
在线阅读 下载PDF
基于分离Bregman技术的本体稀疏向量学习算法
5
作者 高炜 《昆明学院学报》 2015年第6期112-115,共4页
为适应大数据应用背景下本体数据的计算和处理,越来越多的稀疏学习算法被应用于本体相似度计算和本体映射.在稀疏学习框架下,本体函数的学习归结于本体稀疏向量的学习.因此,利用分离Bregman方法得到本体稀疏向量计算策略,通过原始优化... 为适应大数据应用背景下本体数据的计算和处理,越来越多的稀疏学习算法被应用于本体相似度计算和本体映射.在稀疏学习框架下,本体函数的学习归结于本体稀疏向量的学习.因此,利用分离Bregman方法得到本体稀疏向量计算策略,通过原始优化问题和对偶优化问题的交替迭代策略得到鞍点,进而得到最优本体稀疏向量,最后通过实验验证算法的有效性. 展开更多
关键词 本体 稀疏向 分离Bregman 扩展拉格朗日函数 鞍点 软阈值
在线阅读 下载PDF
Henig Efficiency in Vector Optimization with Nearly Cone-subconvexlike Set-valued Functions 被引量:8
6
作者 Qiu-sheng Qiu 《Acta Mathematicae Applicatae Sinica》 SCIE CSCD 2007年第2期319-328,共10页
In this paper, we study Henig efficiency in vector optimization with nearly cone-subconvexlike set-valued function. The existence of Henig efficient point is proved and characterization of Henig efficiency is establis... In this paper, we study Henig efficiency in vector optimization with nearly cone-subconvexlike set-valued function. The existence of Henig efficient point is proved and characterization of Henig efficiency is established using the method of Lagrangian multiplier. As an interesting application of the results in this paper, we establish a Lagrange multiplier theorem for super efficiency in vector optimization with nearly conesubconvexlike set-valued function. 展开更多
关键词 Set-valued function vector optimization lagrangian multiplier theorem Henig efficiency nearly cone-subconvexlikeness
原文传递
Mixed Saddle Point and Its Equivalence with an Efficient Solution under Generalized (V, <i>p</i>)-Invexity 被引量:1
7
作者 Arvind Kumar Pankaj Kumar Garg 《Applied Mathematics》 2015年第9期1630-1637,共8页
The purpose of this paper is to define the concept of mixed saddle point for a vector-valued Lagrangian of the non-smooth multiobjective vector-valued constrained optimization problem and establish the equivalence of ... The purpose of this paper is to define the concept of mixed saddle point for a vector-valued Lagrangian of the non-smooth multiobjective vector-valued constrained optimization problem and establish the equivalence of the mixed saddle point and an efficient solution under generalized (V, p)-invexity assumptions. 展开更多
关键词 Nonsmooth Multiobjective Programs (V p)-Invexity MIXED Saddle Point vector-Valued MIXED lagrangian function
在线阅读 下载PDF
共轭梯度型支撑向量机 被引量:1
8
作者 周水生 周利华 《模式识别与人工智能》 EI CSCD 北大核心 2006年第2期129-136,共8页
求解支撑向量机的二次规划有不同的变形.对于线性问题.从一个变形出发,利用 Lagrangian 对偶技巧,将特征空间的高维二次规划问题转化为输入空间的低维无约束、可微凸的对偶规划.针对目标函数的分片二次特征,结合快速精确的一维搜索技术... 求解支撑向量机的二次规划有不同的变形.对于线性问题.从一个变形出发,利用 Lagrangian 对偶技巧,将特征空间的高维二次规划问题转化为输入空间的低维无约束、可微凸的对偶规划.针对目标函数的分片二次特征,结合快速精确的一维搜索技术,提出共轭梯度型支撑向量机来求解该问题.利用 Cholesky 分解或非完全(in-complete)Cholesky 分解方法分解核矩阵,在算法复杂度增加很少的条件下可实现基于核函数的非线性分类.该算法可以在普通计算机上快速求解上百万规模的线性训练问题和较大规模的非线性训练问题.大量数据实验和复杂度分析表明,该算法与同类算法如 ASVM、LSVM 相比是有效的. 展开更多
关键词 支撑向量机 共轭梯度法 lagrangian对偶 核函数
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部