排序方式: 共有58条查询结果,搜索用时 15 毫秒
1.
参数的选择对算法分类与预测的正确率有直接影响。在参数选择中全局网格搜索有着计算可靠、简单、优化效果明显的优势,适合应用于可靠性要求高的工程运算,如在复杂系统的故障诊断中对故障模式识别算法进行参数寻优等。但是,全局网格搜索在寻优过程中耗时过长,仍然是一个制约其使用的问题,尤其对于实时性要求较高的系统。以支持向量机的参数全局寻优问题为例,针对网格搜索寻优时间长的缺点,利用Hadoop平台进行分布式参数寻优,借助HDFS将参数自动划分到计算节点上,并运用MapReduce计算框架建立分布式参数寻优模型,完成模型训练预测及参数优化。实验结果表明,在不降低算法性能的前提下提高了寻优效率。 相似文献
2.
针对都江堰灌区渠首闸门智能调度系统模型,利用最小方差的计算原理,定义模型性能判定指标。根据当前需水流量及相对应的闸门开度值,计算当前闸门系统模型的性能判定指标值,并对所得结果进行分析。该方法可以及时有效地对当前使用的闸门系统模型进行监控与修正,同时也可以应用到数据分析中,对预测模式的应用进行评估。 相似文献
3.
基于国际食品法典委员会关于微生物定量风险评估的理论框架,研究了从水产品批发市场到各零售点(主要为超市)杂色蛤中副溶血弧菌的动态变化情况,对因食用杂色蛤感染副溶血弧菌而引发疾病的风险进行预测,预测出每年、每人因消费生杂色蛤而导致由副溶血弧菌引发的食源性疾病的可能平均值被估计为1.65×10-8.同时对杂色蛤的另一种食用模式——烧烤,也进行了分析研究,确定因其所导致的风险十分小,可以不作为评估的对象.最后根据研究的结果提出针对政府监管部门的管理以及商业运营者和消费者的建议,这些风险管理措施、控制程序和安全食用规范的实施,均可大大降低因食用杂色蛤而感染副溶血弧菌并引发疾病的风险. 相似文献
4.
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。 相似文献
5.
6.
8.
目前,在密集场景人群计数任务中,标注真实密度图的方法是对行人头部的中心位置进行标注,并利用高斯卷积生成真实的密度分布图作为监督信息。但是,对于密集场景而言,这样的标注方式是费时、费力的,并且密集场景图片中有诸多“非受控”因素,如低分辨率、背景噪声、目标遮挡和尺度变化等。针对这一问题,提出了一种新的标注方法,即只需要知道图片中包含多少个物体,以图片中行人的数量作为监督信息。与传统的真实密度图相比,所提出的标记方法中以真实目标的数值为“弱监督”信息。实验结果表明,对于人群回归任务,利用弱监督信息对神经网络进行训练得到的模型能够较为准确地回归出图片中所包含目标的数量,从而证明了该方法的有效性。 相似文献
9.
滚动轴承的故障诊断对于提高工业生产效率,保障工业生产的稳定安全地运行具有重要意义。为了提高滚动轴承故障识别的正确率,提出一种使用KNN-朴素贝叶斯决策组合算法对滚动轴承故障诊断。组合算法利用朴素贝叶斯算法对使用不同K值的KNN算法初步分类结果进行再分类以达到提高滚动轴承故障识别的目的。首先,使用小波包能量法对滚动轴承振动信号进行能量特征提取,然后使用多个参数K值不同的KNN算法对能量特征数据预分类,得到多个KNN算法分类结果集,将分类结果集进行处理得到预分类结果集,将预分类结果集作为朴素贝叶斯算法的输入,使用朴素贝叶斯算法对数据再分类。实验结果表明,组合算法相较于传统KNN算法及贝叶斯算法在滚动轴承的故障诊断率得到了有效提高,实现了对滚动轴承故障的有效诊断。 相似文献
10.
针对机械设备产生的非线性、非平稳时间序列,首先使用自回归模型对非平稳数据进行平稳化处理并确定模型的阶数,再使用支持向量回归算法对平稳后的数据进行拟合,并使用粒子群算法优化支持向量回归算法参数。最后,将该模型用于滚动轴承的退化趋势预测,通过提取滚动轴承的时域和频域特征,以经过主成分析降维后的数据为基础进行趋势预测。将该模型预测的结果与单独使用自回归模型和支持向量机模型预测的结果进行对比,实验结果表明该模型预测的效果较好。 相似文献