排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
4.
基于灰色神经网络组合模型的动态数据序列预测 总被引:1,自引:0,他引:1
为了提高动态数据序列的预测精度,分析了现有BP神经网络和灰色预测方法各自的优缺点,并在此基础上建立了灰色神经网络组合模型.组合模型兼有BP神经网络和灰色预测的优点,弥补了单个模型的不足,既克服了数据波动性大对预测精度的影响,也增强了预测的自适应性.本方法利用灰色预测中的累加生成运算对原始数据进行变换,从而得到规律性较强的累加数据,便于神经网络进行建模和训练,并利用神经网络的函数逼近特性,实现对原始数据的预测.仿真结果表明:组合模型的预测精度高于单独的GM(1,1)模型,适用于具有复杂成分的动态数据序列的建模. 相似文献
5.
为了改进滤波效果。提高去噪质量,在分析目前被广泛应用的软阈值和硬阈值去噪方法的基础上,提出了一种改进方法。小波阈值去噪的关键是阈值函数的构造和阈值的选取,该方法融合了软阈值和硬阈值去噪方法的不同特点,在阈值函数中引入参数,通过调整参数以获得较优的小渡系数的阈值估计,使得改进阈值介于硬阈值与软阈值之间,有效克服了采用硬阈值法去噪效果不佳和软阈值法过度光滑使信号失真的缺点。仿真结果表明:该方法在去噪的同时减少了信息的损失,信噪比、均方根误差等性能指标。较软阈值和硬闽值方法均有明显提高。 相似文献
6.
7.
针对目前动态测量误差序列预测方法的局限性,提出了动态测量误差序列的支持向量机非线性组合预测方法,以进行误差修正,提高动态测量精度.该方法首先利用支持向量机和小波神经网络对动态测量误差序列分别进行预测,然后再运用支持向量机对单项预测结果进行非线性组合.理论分析和预测实例表明:该方法的预测精度明显高于传统的单一预测方法,具有很强的学习与泛化能力,在处理动态测量误差序列的预报问题和提高动态测量精度方面具有很好的应用价值. 相似文献
8.
基于LabVIEW的测控系统调用MATLAB的方法研究 总被引:2,自引:0,他引:2
介绍了在LabVIEW中调用MATLAB的几种常用方法,着重阐述了ActiveX技术应用、动态数据交换(DDE)、库函数调用等方法的特点及其在LabVIEW中调用MATLAB的应用.对基于LabVIEW的测控系统的开发具有指导意义. 相似文献
1