原文服务方: 工业仪表与自动化装置       
摘要:
介绍了一种基于支持向量机的解决传感器系统非线性特性问题的新方法.支持向量机是Vapnik教授提出的基于统计学习理论的新一代机器学习技术,它有效地解决了小样本学习问题,因此该方法对样本数量没有特殊的要求.实验证明该方法有效,同时研究表明该方法也能用于其他系统的非线性校正.
推荐文章
基于支持向量机的传感器的非线性校正
铜热电阻传感器
支持向量机
非线性校正
数字传感器非线性校正方法研究
石英晶体传感器
非线性校正
频率-温度特性
基于DSP技术的传感器非线性校正
DSP
非线性校正
最小二乘法
基于BP网络的结冰传感器非线性校正方法
BP网络
非线性校正
结冰传感器
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于SVM的传感器非线性特性校正新方法
来源期刊 工业仪表与自动化装置 学科
关键词 非线性校正 神经网络 支持向量机 拟合方法 传感器
年,卷(期) 2005,(4) 所属期刊栏目 科研论坛
研究方向 页码范围 3-5,47
页数 4页 分类号 TP212
字数 语种 中文
DOI 10.3969/j.issn.1000-0682.2005.04.001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 吴德会 66 721 15.0 23.0
2 朱程辉 54 436 11.0 18.0
3 王晓红 22 152 7.0 11.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (87)
参考文献  (4)
节点文献
引证文献  (6)
同被引文献  (11)
二级引证文献  (28)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(4)
  • 参考文献(1)
  • 二级参考文献(3)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(4)
  • 引证文献(3)
  • 二级引证文献(1)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(5)
  • 引证文献(0)
  • 二级引证文献(5)
2011(1)
  • 引证文献(0)
  • 二级引证文献(1)
2012(4)
  • 引证文献(1)
  • 二级引证文献(3)
2013(5)
  • 引证文献(0)
  • 二级引证文献(5)
2014(4)
  • 引证文献(0)
  • 二级引证文献(4)
2015(3)
  • 引证文献(0)
  • 二级引证文献(3)
2016(6)
  • 引证文献(0)
  • 二级引证文献(6)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
非线性校正
神经网络
支持向量机
拟合方法
传感器
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
工业仪表与自动化装置
双月刊
1000-0682
61-1121/TH
大16开
1971-01-01
chi
出版文献量(篇)
3557
总下载数(次)
0
相关基金
安徽省自然科学基金
英文译名:Anhui Provincial Natural Science Foundation
官方网址:http://www.ahinfo.gov.cn/zrkxjj/index.htm
项目类型:安徽省优秀青年科技基金
学科类型:
论文1v1指导