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:
针对模拟电路的性能评价问题,运用标准支持向量回归机,结合自适应技术的优越性,利用迭代算法改善传统最小二乘支持向量回归的支持向量稀疏性问题,提高训练响应速度.同时采用多径向基核函数以实现核宽度在线调整的灵活度,进一步提高支持向量数目确定的精简性.给出了基于多核自适应迭代最小二乘支持向量回归法的设计思想及构造步骤.实验以高校模拟电路实验为依托,采用近两年内由精密仪器设备测评所得的小功率放大器的8项技术指标构建训练集,进行多核自适应迭代最小二乘支持向量回归评价.实验表明,所提出的方法性能优于传统最小二乘支持向量回归法及ε-SVR法,与精密仪器性能评价结果较为接近,且运算速度优.
推荐文章
利用矢量基学习和自适应迭代算法改进LSSVR
矢量基
自适应迭代算法
支持向量稀疏性
线性结构光心的自适应迭代提取法
线结构光
偏态分布
自适应迭代
基于自适应加权的模拟集成电路多目标优化方法研究
模拟集成电路
自适应加权
多目标优化
Pareto最优前沿
适用于迭代型去模糊算法的自适应迭代终止条件
图像去模糊
执行效率
迭代终止条件
残差图像
去模糊效果度量
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 多核自适应迭代LSSVR的模拟电路性能评价策略
来源期刊 电子测量与仪器学报 学科 工学
关键词 最小二乘支持向量回归 自适应 迭代 多核 模拟电路 评价策略
年,卷(期) 2013,(2) 所属期刊栏目 学术论文
研究方向 页码范围 115-119
页数 5页 分类号 TP302.7
字数 3345字 语种 中文
DOI 10.3724/SP.J.1187.2013.00115
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 张爱华 渤海大学工学院 34 106 6.0 8.0
2 张志强 渤海大学工学院 16 48 5.0 6.0
3 霍星 渤海大学工学院 15 53 5.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (49)
共引文献  (50)
参考文献  (7)
节点文献
引证文献  (6)
同被引文献  (49)
二级引证文献  (21)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(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)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(1)
  • 二级参考文献(2)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(9)
  • 参考文献(1)
  • 二级参考文献(8)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(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)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2016(11)
  • 引证文献(1)
  • 二级引证文献(10)
2017(5)
  • 引证文献(0)
  • 二级引证文献(5)
2018(4)
  • 引证文献(0)
  • 二级引证文献(4)
2020(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
最小二乘支持向量回归
自适应
迭代
多核
模拟电路
评价策略
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
电子测量与仪器学报
月刊
1000-7105
11-2488/TN
大16开
北京市东城区北河沿大街79号
80-403
1987
chi
出版文献量(篇)
4663
总下载数(次)
23
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导