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:
提出将混沌-支持向量机模型方法应用于加工误差数据预测.利用互信息法和曹氏方法进行相空间重构,并运用小数据量法计算最大Lyapunov指数,对加工误差时间序列进行混沌识别.通过最小二乘支持向量机对历史样本的学习建立预测模型,并将其预测结果与RBF神经网络预测结果进行仿真对比.结果表明,在较少的加工误差数据条件下,该模型能够有效地描述和预测加工误差的变化,具有较高的预测精度.
推荐文章
支持向量机在混沌系统预测中的应用
支持向量机
混沌系统
交通流量
预测
混沌时间序列支持向量机模型及其在径流预测中应用
混沌
相空间重构
水文时间序列
支持向量机
径向基核函数
径流预测
基于混沌和支持向量机的预测模型分析与应用
混沌时间序列预测
相空间重构
李雅普诺夫指数
航空发动机
支持向量机
粒子群算法优化支持向量机的网络流量混沌预测
粒子群算法优化
支持向量机
网络流量
混沌预测
平均绝对误差
蚁群算法
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 混沌-支持向量机在加工误差预测中的应用
来源期刊 机床与液压 学科 工学
关键词 加工误差 混沌特性 相空间重构 最小二乘支持向量机
年,卷(期) 2010,(7) 所属期刊栏目 试验与研究
研究方向 页码范围 26-29,73
页数 分类号 TP205
字数 4001字 语种 中文
DOI 10.3969/j.issn.1001-3881.2010.07.008
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 舒彤 九江学院电子工程学院 13 43 4.0 6.0
2 余香梅 九江学院电子工程学院 12 28 3.0 4.0
3 张凯举 大连理工大学电子与通信工程学院 10 106 4.0 10.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (31)
共引文献  (70)
参考文献  (7)
节点文献
引证文献  (3)
同被引文献  (15)
二级引证文献  (8)
1936(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(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)
1991(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)
1993(3)
  • 参考文献(1)
  • 二级参考文献(2)
1995(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(4)
  • 参考文献(1)
  • 二级参考文献(3)
1999(4)
  • 参考文献(1)
  • 二级参考文献(3)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(3)
  • 参考文献(2)
  • 二级参考文献(1)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(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(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(3)
  • 引证文献(0)
  • 二级引证文献(3)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(3)
  • 引证文献(1)
  • 二级引证文献(2)
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
加工误差
混沌特性
相空间重构
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
机床与液压
半月刊
1001-3881
44-1259/TH
大16开
广州市黄埔区茅岗路828号
46-40
1973
chi
出版文献量(篇)
20801
总下载数(次)
44
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导