作者:张振川,段修生 单位:中国兵器工业第58研究所 出版:《兵工自动化》2018年第10期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFBGZD2018100100 DOC编号:DOCBGZD2018100109 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于SVM的传感器非线性特性校正新方法》PDF+DOC2005年第04期 吴德会,王晓红,朱程辉 《基于SVM逆模型的电涡流传感器非线性补偿》PDF+DOC2009年第07期 周宏威,刘德胜,祖海燕 《认知无线传感器网络新型SVM频谱感知策略》PDF+DOC2017年第04期 王晓东,陈长兴,任晓岳,林兴 《基于SVM和阈值分析法的摔倒检测系统》PDF+DOC2017年第07期 陈玮,周晴,曹桂涛 《基于ABC-PSO的ε-SVM在甲烷测量中的应用》PDF+DOC2017年第07期 鲍立,陈红岩,郭晶晶 《基于GMI效应的磁传感器研究与发展现状》PDF+DOC2011年第04期 郝建华,郑全普,胡然,丁丹 《带微机的多通道自动测微仪》PDF+DOC1987年第01期 刘晓钟,詹捷,梁锡昌 《多气体的SVM数据融合定性识别方法》PDF+DOC2009年第09期 黄为勇,任子晖,童敏明 《多变量过程传感器故障检测的SVM方法》PDF+DOC2008年第08期 彭红星,陈祥光,徐巍,张玮 《基于SVM的多传感器信息融合》PDF+DOC2013年第03期 孙颖,刘玉满,龚稳
  • 为克服典型非晶丝材料的巨磁阻抗(giant magneto impedance,GMI)效应的非线性特性所导致的局限性问题,提出了一种基于支持向量机(support vector machine,SVM)回归的GMI磁传感器多参数数据处理方法,利用支持向量机SVM作为识别工具,以敏感材料的的阻抗模值和阻抗角信息作为磁场识别参数,将被测磁场强度值作为输出参数,进行SVM模型建立和性能验证。结果表明:该方法能很好地克服敏感材料的非线性特性的影响,处理误差在?0.007Oe以内。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。