排序方式: 共有27条查询结果,搜索用时 0 毫秒
1.
2.
支持向量机是一种基于统计学习理论的新型机器学习算法,在高维特征空间中寻找最优分类超平面,具有很好的分类精度和泛化性能。支持向量机的训练需要求解一个带约束的二次规划问题,针对数据规模很大情况下经典训练方法变得很困难的缺点,提出一种基于改进混合蛙跳算法的支持向量机分类器参数优化方法,既提高了混合蛙跳算法的收敛速度和精度,又能借助混合蛙跳算法的全局随机搜索能力,为支持向量机参数的优化选择提供一条有效途径。本文提取情感语句的韵律特征、音质特征和混沌特征参数,提出一种基于改进蛙跳算法的数据融合方法,并利用基于改进蛙跳算法的支持向量机进行实用语音情感的识别研究。在实验中比较了PCA方法、BP神经网络和数据融合方法用于语音情感识别的识别率,研究结果表明本文所提的各项改进机制能有效提升情感识别率,为实用语音情感的识别提供一种新方法和新思路。 相似文献
3.
针对永磁同步电机(PMSM)系统故障间关联性强、异构信息复杂繁多以及传统故障诊断方法无法追溯耦合故障发生的真正原因等问题,提出了基于本体追踪的故障诊断方法。以PMSM驱动系统开路故障为主要研究对象,首先,对PMSM故障诊断领域本体模型进行形式化定义及标准化构建,统一集成PMSM系统中密集的异构信息;其次,在改进归一化误差电流数据分析法能够精准快速地定位故障开关管的基础上,将定量分析所得故障特征及识别结果映射到故障领域本体模型中,扩展了故障诊断范围;最后,经语义Web(SWRL)规则库的预设以及基于规则的推理,融合本体技术进行故障诱因、故障类型等信息的追溯及诊断。经实验验证,该方法提高了各子系统间信息的利用率,能够合理地追溯故障原因,为大型复杂系统的故障诊断提供了一个可共享、易更新的标准化方法。 相似文献
4.
为探究超声辅助喷雾干燥(ultrasonic-spray drying,U-SD)对蛋清蛋白的热聚集及凝胶品质的影响,以喷雾干燥(spray drying,SD)、真空冷冻干燥(vacuum freeze drying,FD)为对照,对所制备的蛋清粉凝胶的分子分布、结构和流变学性能、持水性、质构特性等进行测定。结果表明:超声预处理使蛋白质发生了大分子聚集;蛋清蛋白主要表现为黏弹性流体性质;U-SD蛋清蛋白的二级结构含量中α-螺旋与β-折叠含量均稍有增加;U-SD蛋清粉的凝胶硬度最大,其中弹性、咀嚼性和回弹性均显著大于其他组(P<0.05),失水率显著降低(P<0.05),表现出更好的凝胶特性;荧光显微镜证实超声辅助处理可以促进蛋清蛋白发生强烈的聚集。 相似文献
5.
针对很多小型工业零件存在微米级测量的需求,提出了一种点云多次滤波与平面拟合相结合的测量方法。以上下平面平行的规则直三棱柱体工件作为测量对象,使用3D线激光传感器获取工件的点云模型并传输到计算机中进行处理,将点云数据首先通过统计滤波剔除噪声和离群值;其次利用体素滤波降采样精简点云数量;然后采用直通滤波分离出工件点云的上下表面;再分别对上下表面的点云通过随机抽样一致性(RANSAC)算法拟合出平面方程;最后计算上下平面之间的间距即为被测工件的高度信息。将该方法测得的高度与激光三角法原理测得的高度数据进行对比,结果表明,该方法测量精度提高了72.33%;同时对于不同的点云密度,利用所提出的方法进行测量,测得当降采样中体素立方体的边长为15cm时(点云数量精简了98.3%时)测量的误差最小,最小能达到5.1。该方法大大提高了工件的测量精度,可以广泛应用于工业测量中。 相似文献
6.
以1000 W、1300 W、1900 W三种不同加热功率的电磁炉为引火源,选择大豆油、调和油、花生油三种食用油,分别在锅具内倒入50 ml和100 ml两种油品的情况下研究电磁炉对锅具内油品的引燃情况,测得食用油的引燃条件与电磁炉的使用功率、油品种类、油品用量之间的关系。实验结果表明,电磁炉的使用功率越大,引燃锅具内油品的时间越短,火灾危险性越大。锅具内不同种类的油品被引燃时的最高温度超过500℃,火焰的最高温度超过600℃,火焰的最高高度超过1 m,具有较大的火灾危险性。 相似文献
7.
8.
针对“双碳”目标背景下能源安全供应需要煤电兜底保供的问题,对影响煤电生产保供的煤炭价格进行了预测研究。首先,建立了基于布谷鸟搜索算法优化的长短期记忆网络(CS-LSTM)煤炭价格预测模型。模型运用布谷鸟搜索算法对LSTM的学习率和隐藏层神经元个数2个参数进行寻优,完成了参数确定,加强了LSTM的预测能力。其次,建立了煤炭价格预警机制,对煤炭价格的波动做出警示。最后,基于CS-LSTM模型预测了2022年山西电煤价格指数,同时进行了价格预警。实例计算结果验证了所提模型预测精准度和预警机制的有效性。 相似文献
9.
10.
风电机组主轴承作为传动系统的重要组成部件,其异常辨识精度受风速波动的影响较大。针对该问题,提出了一种基于BPNN-NCT的风电机组主轴承异常辨识方法。首先,利用相关系数法确定了与主轴承状态相关的参数作为模型的输入,并基于反向传播神经网络(BPNN)建立了以主轴承温度为状态参数的状态参数预测模型。然后,基于非中心t(NCT)分布刻画了不同风速波动区间下状态参数预测残差的分布特性,并在此基础上提出了计及风速波动影响的风电机组主轴承异常状态量化指标。最后,以某风电场的2 MW直驱风力发电机组为例,验证了所提方法的有效性和准确性。 相似文献