您的位置： 专家智库 > >

陈思羽

作品数：2 被引量：12H指数：2
供职机构：四川大学电子信息学院更多>>
发文基金：国家重点基础研究发展计划国家自然科学基金更多>>
相关领域：自动化与计算机技术更多>>

合作作者

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇有向无环图
  • 2篇支持向量
  • 2篇支持向量机
  • 2篇向量
  • 2篇向量机
  • 1篇鱼群算法
  • 1篇群算法
  • 1篇人工鱼
  • 1篇人工鱼群
  • 1篇人工鱼群算法
  • 1篇故障诊断
  • 1篇VM
  • 1篇DA
  • 1篇G-S
  • 1篇参数优化

机构

  • 2篇四川大学

作者

  • 2篇宁芊
  • 2篇雷印杰
  • 2篇陈思羽
  • 1篇周新志
  • 1篇赵成萍
  • 1篇冯晓琳

传媒

  • 1篇四川大学学报...
  • 1篇计算机测量与...

年份

  • 1篇2016
  • 1篇2015
共 2 条 记 录，以下是 1-2
全选 清除 导出
排序方式：
基于改进型人工鱼群算法的支持向量机参数优化被引量：5
2016年
支持向量机在高维度、小样本情况下具有独特优势,但同时支持向量机的参数优化极大制约了其分类效果,目前参数优化缺乏系统的理论指导;针对传统DAG-SVM训练分类器较多,训练耗时长,分类效果受到结构排序的影响,提出了一种基于"1 vs R"策略的改进型算法;针对SVM传统参数优化方式耗时大,优化精度不高,提出了改进型人工鱼群算法;最后结合1 vs R-DAG支持向量机算法与改进型人工鱼群算法,得到一种新的改进型支持向量机算法;仿真对比实验证实,对支持向量机的参数优化是有效可行的。
冯晓琳宁芊雷印杰陈思羽
关键词：支持向量机人工鱼群算法参数优化有向无环图
DAG-SVM的结构优化研究及其在故障诊断中的应用被引量：7
2015年
有向无环图支持向量机(DAG-SVM)是一种新颖且使用广泛的多分类算法.传统DAG-SVM由于需要训练的SVM分类器较多,在工程中训练耗时长.又由于传统DAGSVM分类效果受到结构排序影响,导致其分类效果具有随机性.针对以上两个问题,通过结构重组减少SVM分类器个数从而缩短了训练时间,通过对训练数据的重新划分计算产生了最优分类排序,提高了分类正确率.仿真测试与工程实践证明,本文方法相对传统DAGSVM方式,能缩短训练时间,且拥有更高的分类正确率.
陈思羽宁芊周新志赵成萍雷印杰
关键词：支持向量机有向无环图故障诊断
全选 清除 导出
共1页<1>
聚类工具0