《基于协同训练与LS-SVM的集成传感器在线温度补偿》PDF+DOC
作者:刘继华,金敏
单位:中国电子学会
出版:《电子测量与仪器学报》2013年第11期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFDZIY2013110100
DOC编号:DOCDZIY2013110109
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于LS-SVM的温度传感器非线性关系拟合及参考端温度补偿》PDF+DOC2009年第06期 孙林,杨世元
《基于LS-SVM的传感器智能校正及温度补偿》PDF+DOC2007年第03期 王晓红,吴德会
《一种基于Bagging-SVM的智能传感器集成学习方法》PDF+DOC2016年第02期 佘斌,沈海斌
《基于支持向量机的光寻址电位传感器温度补偿研究》PDF+DOC2015年第12期 邱恒明,陈东,李桂银,黄勇,陈真诚,梁晋涛
《工业控制中电涡流传感器位移测量精度研究》PDF+DOC2018年第02期 宋士兰,卢文科,左锋
《基于小波变换和LS-SVM的雷达故障诊断》PDF+DOC2013年第02期 涂望明,宋执环,陈运涛,魏友国,周晶晶
《基于加权LS-SVM的闭环控制系统故障诊断研究》PDF+DOC2010年第09期 胡良谋,曹克强,徐浩军,董新民
《基于改进的LS-SVM测量油气两相流空隙率》PDF+DOC2008年第01期 彭珍瑞,王保良,黄志尧,李海青
《LS-SVM构造FLANN逆系统的传感器动态补偿方法》PDF+DOC2007年第03期 吴德会
《基于LS-SVM的电液位置伺服系统多故障诊断》PDF+DOC2007年第10期 胡良谋,曹克强,徐浩军
为利用机器学习对集成传感器实现在线补偿,使算法具有标定未知样本和更新样本集的能力,利用协同训练的方式,对最小二乘支持向量回归机进行改进,提出基于协同训练的支持向量回归算法,使用临近法对未知样本进行标定和选择,同时对新的样本空间进行剪枝,在保证反映新样本特性的前提下尽量减少对学习模型影响小的样本数量。实验证明,该算法在泛化能力不下降的情况下提高了回归精度,运用在集成传感器的在线补偿上,能降低获的成本,并取得良好的补偿效果。
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。