作者:刘滔,韩华亭,焦楷哲 单位:北京信息科技大学 出版:《传感器世界》2013年第05期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFCGSJ2013050060 DOC编号:DOCCGSJ2013050069 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于免疫PSO优化LSSVM的传感器动态补偿研究》PDF+DOC2013年第09期 刘滔,韩华亭,张龙,王伟 《基于PSO-LSSVM的差动变压器式位移传感器的温度补偿》PDF+DOC2018年第12期 陆腾云,卢文科,左锋,冯阳,吴子恒 《PSO-SVM算法在智能建筑环境监控系统中的应用》PDF+DOC2016年第01期 傅军栋,邹欢,康水华 《矿用传感器静态特性补偿方法与研究进展》PDF+DOC2016年第06期 辛忠玉,葛令建,冯浩,王伟峰 《基于云粒子群-最小二乘支持向量机的传感器温度补偿》PDF+DOC2012年第04期 张朝龙,江巨浪,李彦梅,陈世军,査长礼,王陈宁 《基于PSO-LSSVM的振弦传感器温度补偿》PDF+DOC2012年第11期 王久平,廖迎新 《基于最小二乘与粒子群算法的压力传感器动态补偿方法》PDF+DOC2014年第10期 轩春青,轩志伟,陈保立 《多核SVM对传感器动态建模的研究》PDF+DOC2013年第01期 吴延增,张政国,刘旭宁 《基于EEMD能量熵和LSSVM的传感器故障诊断》PDF+DOC2013年第07期 丁国君,王立德,申萍,杨鹏 《基于LSSVM的热偶规真空传感器非线性补偿方法》PDF+DOC2013年第08期 王龙辉
  • 针对最小二乘支持向量机在对传感器进行补偿时,正则化参数和核函数参数对补偿精度影响较大的问题,提出一种利用改进的粒子群优化算法优化最小二乘支持向量机模型参数的传感器补偿方法。该方法利用改进的粒子群优化算法优化最小二乘支持向量机模型的正则化参数和核函数参数,避免了人工选择参数的盲目性,提高了最小二乘支持向量机模型的预测精度。仿真实验表明,在传感器的补偿时,该方法比最小二乘支持向量机模型的补偿精度更高。

    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。