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:
主成分分析可以提取形变主要信息,BP神经网络具有很强的预测功能,提出将两者相结合用于形变监测数据处理.通过MATLAB编程实现了该算法,并用实测数据进行验证,证明此方法能够提高预测数据的精度和可靠性.结果表明:与其他方法相比,基于主成分分析的改进BP神经网络能取得更好的预测效果.
推荐文章
基于主成分分析的BP神经网络长期预报模型
主成分分析
学习矩阵
BP神经网络
主成分分析与BP神经网络的人脸识别方法研究
主成分分析
BP神经网络
人脸识别
BioID人脸数据库
基于主成分分析与BP神经网络的供应商选择模型
供应商选择
主成分分析
BP神经网络
SPSS
基于主成分分析的BP神经网络在形变预测中的应用
形变
主成分分析
神经网络
预测
形变监测
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 基于主成分分析的BP神经网络模型的形变预测方法
来源期刊 海洋测绘 学科 地球科学
关键词 形变预测 主成分分析 BP神经网络
年,卷(期) 2010,(1) 所属期刊栏目 技术报告
研究方向 页码范围 47-49
页数 3页 分类号 P207
字数 2436字 语种 中文
DOI 10.3969/j.issn.1671-3044.2010.01.015
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 朱超 东南大学交通学院 22 182 10.0 12.0
2 陈春花 东南大学交通学院 2 8 2.0 2.0
3 陈兴权 东南大学交通学院 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (45)
共引文献  (134)
参考文献  (8)
节点文献
引证文献  (3)
同被引文献  (9)
二级引证文献  (2)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(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(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(9)
  • 参考文献(1)
  • 二级参考文献(8)
2003(8)
  • 参考文献(0)
  • 二级参考文献(8)
2004(5)
  • 参考文献(3)
  • 二级参考文献(2)
2005(3)
  • 参考文献(3)
  • 二级参考文献(0)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(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
形变预测
主成分分析
BP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
海洋测绘
双月刊
1671-3044
12-1343/P
大16开
天津市河西区友谊路40号
1981
chi
出版文献量(篇)
2577
总下载数(次)
13
总被引数(次)
16787
论文1v1指导