基于协同训练与LS-SVM的集成感器在线温度补偿

• 作者: 刘继华 金敏
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 协同训练 最邻近点算法 支持向量机 回归 增量学习 传感器在线补偿
• 年，卷（期）: 2013,（11）
• 所属期刊栏目: 学术论文
• 页码范围: 1054-1059
• 页数: 6页
• 分类号: TP181|TN711
• 字数: 3614字
• 语种: 中文
• DOI: 10.3724/SP.J.1187.2013.01054

摘要

为利用机器学习对集成传感器实现在线补偿,使算法具有标定未知样本和更新样本集的能力,利用协同训练的方式,对最小二乘支持向量回归机进行改进,提出基于协同训练的支持向量回归算法,使用临近法对未知样本进行标定和选择,同时对新的样本空间进行剪枝,在保证反映新样本特性的前提下尽量减少对学习模型影响小的样本数量.实验证明,该算法在泛化能力不下降的情况下提高了回归精度,运用在集成传感器的在线补偿上,能降低获的成本,并取得良好的补偿效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金敏	湖南大学信息科学与工程学院	36	377	11.0	18.0
2	刘继华	湖南大学信息科学与工程学院	1	2	1.0	1.0