基于万有引力优化的支持向量机模型在板形识别中的应用

• 作者: 李国强 李鹏飞 牛培峰 马云飞
• 来源期刊: 钢铁
• 学科: 工学
• 关键词: 板形 模式识别 勒让德多项式 万有引力算法 支持向量回归机
• 年，卷（期）: 2012,（12）
• 所属期刊栏目: 压力加工
• 页码范围: 45-49
• 分类号: TP391.4
• 语种: 中文

摘要

针对目前板形模式识别模型泛化能力不高、训练速度慢等缺陷,以1次、2次、3次、4次勒让德正交多项式为板形缺陷基本模式,提出了由支持向量回归机（SVR）构建的模式识别模型;为了提高该模型的精确度,引入万有引力算法（GSA）优化SVR的参数,由此构成GSA-SVR预测模型。仿真试验结果表明：GSA-SVR模型不仅识别结果精度高,而且与PSO-BP神经网络模型相比泛化能力更强,训练速度更快,其识别结果可以为板形控制提供有效的依据。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马云飞	燕山大学工业计算机控制工程河北省重点实验室	5	21	2.0	4.0
2	牛培峰		1	15	1.0	1.0
3	李鹏飞		1	15	1.0	1.0
4	李国强		1	15	1.0	1.0