基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在阐述支持向量机(SVM)和最小二乘支持向量机(LS-SVM)的原理和算法并对两者的特点进行比较后,为装载机载重测量建立了基于LS-SVM的软测量模型,并从核函数选择以及核参数确定两方面阐述了LS-SVM软测量建模的过程,最后与RBF函数网络以及BP网络的软测量建模结果进行对比.仿真分析结果表明,LS-SVM同时兼顾了精度和泛化能力两方面的性能,其最大泛化误差仅为6.863 8×10-6,是适合装载机载重软测量的建模方法.
推荐文章
基于支持向量机的软测量建模方法
支持向量机
发酵
软测量
神经网络
部分最小二乘
基于深度集成支持向量机的工业过程软测量方法
支持向量机
软测量
深度置信网络
集成学习
预测
基于差分进化算法-最小二乘支持向量机的软测量建模
软测量
最小二乘支持向量机
差分进化算法
对羧基苯甲醛
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 装载机载重测量的支持向量机软测量建模方法
来源期刊 计量学报 学科 工学
关键词 计量学 软测量 最小二乘支持向量机 装载机 动态载重测量 神经网络
年,卷(期) 2008,(4) 所属期刊栏目
研究方向 页码范围 329-333
页数 5页 分类号 TB931
字数 5033字 语种 中文
DOI
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 王伟 中国农业大学工学院 112 1494 21.0 35.0
2 陈殿生 北京航空航天大学机械工程及自动化学院 64 561 12.0 22.0
3 王田苗 北京航空航天大学机械工程及自动化学院 295 5727 37.0 65.0
4 魏洪兴 北京航空航天大学机械工程及自动化学院 86 1477 19.0 36.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (1828)
参考文献  (3)
节点文献
引证文献  (6)
同被引文献  (16)
二级引证文献  (16)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(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(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(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)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(3)
  • 引证文献(1)
  • 二级引证文献(2)
2015(3)
  • 引证文献(2)
  • 二级引证文献(1)
2016(4)
  • 引证文献(1)
  • 二级引证文献(3)
2017(3)
  • 引证文献(1)
  • 二级引证文献(2)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
计量学
软测量
最小二乘支持向量机
装载机
动态载重测量
神经网络
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
计量学报
月刊
1000-1158
11-1864/TB
大16开
北京1413信箱
2-798
1980
chi
出版文献量(篇)
3549
总下载数(次)
8
总被引数(次)
20173
相关基金
国家高技术研究发展计划(863计划)
英文译名:The National High Technology Research and Development Program of China
官方网址:http://www.863.org.cn
项目类型:重点项目
学科类型:信息技术
论文1v1指导