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:
针对公路软基路堤沉降发生过程中多变量、强耦合、强干扰、大滞后的复杂特性,利用KPCA先将非线性数据投影到高维空间使其映射呈线性关系,应用PCA提取出映射数据的线性特征信息,间接实现去除原始数据噪声,以降低样本的维数,然后再利用最小二乘支持向量机进行建模的方法对软基路堤沉降进行预测.仿真结果表明:与最小二乘支持向量机及主元分析-最小二乘支持向量机建模方法相比,该核主元分析与最小二乘支持向量机结合的方法能够更准确地预测路堤沉降,且满足精确性和适用性的要求.
推荐文章
基于KPCA-LSSVM的软测量建模方法
软测量
核主成分分析(KPCA)
最小二乘支持向量机(LSSVM)
特征提取
KPCA-LSSVM方法在视频时间序列预测中应用
时间序列预测
交通流量
视频流量
核主成分分析
最小二乘支持向量机
基于KPCA-LSSVM的健康档案空腹血糖水平预测研究
空腹血糖
健康档案
主成分分析(PCA)
核主成分分析(KPCA)
最小二乘向量机(LSSVM)
KPCA-LSSVM方法在视频时间序列预测中应用
时间序列预测
交通流量
视频流量
核主成分分析
最小二乘支持向量机
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KPCA-LSSVM的公路软基路堤沉降预测
来源期刊 重庆理工大学学报(自然科学版) 学科 工学
关键词 软基路堤 沉降 核主元分析 最小二乘支持向量机
年,卷(期) 2010,(6) 所属期刊栏目 信息·计算机
研究方向 页码范围 78-82
页数 分类号 TP18|TU17
字数 3466字 语种 中文
DOI 10.3969/j.issn.1674-8425-B.2010.06.017
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 罗德超 重庆大学自动化学院 5 24 3.0 4.0
2 王淑娟 重庆大学自动化学院 5 15 2.0 3.0
3 成传亮 重庆大学自动化学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (32)
共引文献  (1983)
参考文献  (10)
节点文献
引证文献  (1)
同被引文献  (7)
二级引证文献  (5)
1978(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(3)
  • 参考文献(0)
  • 二级参考文献(3)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(8)
  • 参考文献(0)
  • 二级参考文献(8)
2000(7)
  • 参考文献(3)
  • 二级参考文献(4)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(9)
  • 参考文献(3)
  • 二级参考文献(6)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(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)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(2)
  • 引证文献(0)
  • 二级引证文献(2)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(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
软基路堤
沉降
核主元分析
最小二乘支持向量机
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
重庆理工大学学报(自然科学版)
月刊
1674-8425
50-1205/T
重庆市九龙坡区杨家坪
chi
出版文献量(篇)
7998
总下载数(次)
17
总被引数(次)
41083
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导