肖婷婷
- 作品数：15 被引量：28H指数：4
- 供职机构：重庆大学更多>>
- 发文基金：教育部“新世纪优秀人才支持计划”教育部留学回国人员科研启动基金重庆市自然科学基金更多>>
- 相关领域：自动化与计算机技术理学一般工业技术金属学及工艺更多>>
- Al-Cu-Mg-Ag合金强度性能的支持向量回归预测被引量：4
- 2012年
- 为了研究不同时效工艺下Al-Cu-Mg-Ag合金强度性能,根据实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了SVR预测模型。模型以Al-Cu-Mg-Ag合金时效温度与时效时间为输入,合金的抗拉强度、屈服强度为输出。经过与BP神经网络模型进行比较,结果表明:对于相同的训练样本和检验样本,支持向量回归模型比BP神经网络模型具有更高的预测精度。
- 唐江凌蔡从中皇思洁肖婷婷
- 关键词：AL-CU-MG-AG合金支持向量回归粒子群优化
- 基于强场物理应用的FePtNCs:MgO/BaTiO3纳米复合薄膜及非晶碳氢薄膜的制备及性能研究
- 在强场物理研究中，具有特定微结构和光学性能的二维薄膜是其研究的一个重要方向。一般来说，按薄膜的结构来区分，强场物理中使用的二维薄膜可分为有机非晶薄膜和无机单晶薄膜。但是到目前为止，对具有特定结构和光学性能的这两类薄膜的研...
- 肖婷婷
- 关键词：纳米复合薄膜强场物理磁学性能
- 元素分辨且高空间分辨的界面自旋构型二维定量磁成像方法
- 本发明提供一种元素分辨且高空间分辨的界面自旋构型二维定量磁成像方法。该方法基于电子能量损失谱磁手性各向异性的基本原理，针对晶体异质结构的界面区域，在其特定的两个衍射条件下分别记录待测元素在特定能量范围内的一系列能量过滤像...
- 符潇潇吴楷肖婷婷
- 文献传递
- 基于拓扑结构的碱金属化合物摩尔磁化率的支持向量回归研究
- 2009年
- 基于经典电动力学导出的表征简单离子磁化率的磁性点价gi所构建的分子磁性连接性指数mF及45种碱金属化合物的摩尔磁化率χm的实测数据集,利用粒子群寻优的支持向量回归(SVR)方法,建立了基于0F和1F的碱金属化合物χm的预测模型,并与基于多元线性回归(MLR)模型的计算结果进行了比较.结果显示,基于9次交叉验证的SVR模型预测的平均绝对误差、平均相对误差绝对值以及均方根误差均比MLR模型小,表明SVR模型的回归预测能力优于MLR.研究表明,磁性连接性指数mF是一种合适的分子描述符,SVR是一种预测碱金属化合物χm的有效方法.
- 蔡从中庄魏萍温玉锋朱星键裴军芳肖婷婷
- 关键词：碱金属化合物支持向量回归
- 基于工艺参数的7005铝合金力学性能的支持向量回归预测被引量：11
- 2010年
- 根据7005铝合金在不同工艺参数(挤压温度、挤压速度、淬火方式和时效条件)下的力学性能(抗拉强度σb、屈服强度σ0.2和硬度HB)实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)结合留一交叉验证(LOOCV)的方法,对7005铝合金力学性能进行建模和预测研究,并与偏最小二乘法(PLS)、反向传播人工神经网络(BPNN)和两者结合的PLS-BPNN模型的预测结果进行比较。结果表明:基于SVR-LOOCV法的预测精度最高,对3种力学性能(σb、σ0.2和HB)预测的均方根误差(RMSE)分别为4.5319MPa、14.5508MPa和HB1.4142,其平均相对误差(MRE)分别为0.72%、2.61%和0.66%,均比PLS、BPNN和PLS-BPNN方法预测的RMSE和MRE要小。
- 蔡从中温玉锋朱星键裴军芳王桂莲肖婷婷
- 关键词：7005铝合金力学性能支持向量机粒子群算法
- 元素分辨且高空间分辨的界面自旋构型二维定量磁成像方法
- 本发明提供一种元素分辨且高空间分辨的界面自旋构型二维定量磁成像方法。该方法基于电子能量损失谱磁手性各向异性的基本原理，针对晶体异质结构的界面区域，在其特定的两个衍射条件下分别记录待测元素在特定能量范围内的一系列能量过滤像...
- 符潇潇吴楷肖婷婷
- 文献传递
- 选择性激光烧结成型件密度的支持向量回归预测
- 根据不同工艺参数(层厚、扫描间距、激光功率、扫描速度、加工环境温度、层与层之间的加工时间间隔和扫描方式)下的选择性激光烧结成型件密度的实测数据集,应用基于粒子群算法寻优的支持向量回归(SVR)方法,建立了加工工艺参数与成...
- 蔡从中裴军芳温玉锋朱星键肖婷婷
- 关键词：激光烧结支持向量机
- 文献传递
- 木材导热系数的支持向量回归预测被引量：6
- 2009年
- 根据木材在不同影响因素(密度、含水率和比重)下沿横纹方向(包括径向和弦向)的导热系数的实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了木材沿不同方向的导热系数的预测模型,并与通过类比法(ANA)导出的理论模型和BP神经网络(BPNN)模型进行了比较。结果表明:基于相同的训练样本和检验样本,木材导热系数的SVR模型比其ANA模型或BPNN模型具有更高的预测精度;增加训练样本数有助于提高SVR预测模型的泛化能力;基于留一交叉验证法(LOOCV)的SVR模型预测的最大绝对百分误差(MPE)、平均绝对误差(MAE)和平均绝对百分误差(MAPE)均为最小。因此,SVR是一种预测木材导热系数的有效方法。
- 蔡从中温玉锋朱星键裴军芳肖婷婷
- 关键词：木材导热系数支持向量机粒子群算法
- 选择性激光烧结成型件密度的支持向量回归预测被引量：4
- 2009年
- 根据不同工艺参数(层厚、扫描间距、激光功率、扫描速度、加工环境温度、层与层之间的加工时间间隔和扫描方式)下的选择性激光烧结成型件密度的实测数据集,应用基于粒子群算法寻优的支持向量回归(SVR)方法,建立了加工工艺参数与成型件密度间的预测模型,并与BP神经网络模型进行了比较.结果表明:基于相同的训练样本和检验样本,成型件密度的SVR模型比其BP神经网络模型具有更强的内部拟合能力和更高的预测精度;增加训练样本数有助于提高SVR预测模型的泛化能力;基于留一交叉验证法的SVR模型的预测误差最小.因此,SVR是一种预测选择性激光烧结成型件密度的有效方法.
- 蔡从中裴军芳温玉锋朱星键肖婷婷
- 关键词：选择性激光烧结支持向量机
- AlON-TiN复相材料合成工艺参数的支持向量回归分析被引量：2
- 2009年
- 根据在不同热压烧结工艺参数(包括TiN的含量、烧结温度和保温时间)下合成的AlON-TiN复相材料的抗弯强度实测数据集,应用基于粒子群算法寻优的支持向量回归(SVR)方法,建立了AlON-TiN复相材料在不同热压烧结工艺参数下抗弯强度的SVR预测模型,并与基于人工神经网络(ANN)模型的预测结果进行了比较.利用SVR预测模型并结合粒子群算法对AlON-TiN合成工艺参数进行了寻优和多因素分析.结果显示:对于相同的训练样本和检验样本,AlON-TiN复相材料抗弯强度的SVR模型比ANN模型具有更小的预测误差,表明SVR模型比ANN模型具有更强的预测能力.工艺参数寻优结果表明,当TiN质量分数为13.5%、烧结温度为1863.5℃和保温时间为5.8h时,可获得抗弯强度为555.452MPa的AlON-TiN复相材料.研究结果表明,该方法对于研发理想抗弯强度的AlON-TiN复相材料具有重要的理论指导意义和实用价值.
- 温玉锋蔡从中裴军芳朱星键肖婷婷王桂莲
- 关键词：抗弯强度支持向量回归
