| 基于SVM的改进RBF网络板形模式识别方法 |
| |
| 引用本文： | 何海涛,李楠.基于SVM的改进RBF网络板形模式识别方法[J].自动化仪表,2007,28(5):1-4,8. |
| |
| 作者姓名： | 何海涛 李楠 |
| |
| 作者单位： | 燕山大学信息工程学院,秦皇岛,066004 |
| |
| 基金项目： | 河北省教育厅自然科学指导性计划基金 |
| |
| 摘 要： | 为了提高带钢生产中板形模式识别精度，提出了基于支持向量机（sVM）的改进径向基（RBF）网络板形模式识别方法，由SVM回归确定RBF网络优化的初始参数，解决了传统方法存在的学习时间长、易陷入局部极小值等问题。此外，分别将输入样本与一对互反的基本模式问的模糊距离之差作为RBF网络的三个输入，使输入节点减少一半，进一步简化了网络模型。实验表明，该方法有效地提高了模式识别精度和速度，可推广到其他具有两两互反性基本模式的模式识别系统中。
|
| 关 键 词： | 板形模式识别 RBF网络 支持向量机 模糊 |
The Improved RBF Network Approach to Flatness Pattern Recognition Based on SVM |
| |
| He Haitao,Li Nan.The Improved RBF Network Approach to Flatness Pattern Recognition Based on SVM[J].Process Automation Instrumentation,2007,28(5):1-4,8. |
| |
| Authors: | He Haitao Li Nan |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
