作者:黄芬; 高帅; 姚霞; 张小虎; 朱艳 期刊:《南京农业大学学报》 2020年第02期
[目的]基于冠层图像可见光颜色分量进行冬小麦叶片氮含量(leaf nitrogen concentration,LNC)估算的算法研究,旨在为构建LNC估算模型提供方法借鉴。[方法]用Olympus E-620单反相机采集不同种植条件(2个品种、2个种植密度、3个氮处理)下2年生育期(2013年和2014年)的小麦冠层图像。基于H颜色分量的K-means聚类分割冠层图像,分别提取3个颜色空间HSV、L*a*b*和RGB的3种基础颜色分量值,作为输入参数;分别使用多元线性回归(multivariate l...
作者:王胜利; 张连蓬; 朱寿红; 吉莉; 柴琪; 沈扬; 张蕊 期刊:《测绘通报》 2018年第11期
遥感监督学习算法具有高度的样本依赖性,因遥感成像辐射偏差导致的数据不准确给监督分类带来较大的挑战,进而给资源监测与分析带来极大的应用困扰。本文针对在不同大气、辐射、光照和成像几何等条件下引起的不同时期和不同空间位置遥感图像上同一类别的分布存在差异现象,提出了一种多共性特征联合的Landsat 8 OLI遥感影像光伏电站提取方法。在分析光伏电站光谱不确定性(数据偏移和波形变异)规律的基础上,尝试将变换后的光谱特征...
作者:杨兴华; 张南生; 王文峰 期刊:《怀化学院学报》 2005年第02期
研究并应用径向基函数神经网络(RBF-network)对稀土卤化物标准生成焓进行定量建模,相关系数r达到0.9985,样本误差较小,显现了神经网络方法在该领域的优势.交互预测结果证明模型具有好的稳定性和泛化性能,对7个未知样本所作的预测有一定参考价值.
作者:丁晓剑; 程文迪 期刊:《现代防御技术》 2015年第04期
针对专家制定作战方案训练样本时容易受主观性影响的问题,提出了基于ELM的样本验证及评估方法。首先根据ELM建立作战方案样本的预测模型,然后更正错误标记的样本。仿真实验表明,利用ELM模型训练更正后的样本集能有效降低均方根误差值和提高预测的准确率。与RBF神经网络相比,训练ELM模型的时间缩短了98.8%,而且无需调节激活函数的参数就可以得到足够好的泛化性能。
作者:谷廷华; 邱磊; 陈教料 期刊:《计算技术与自动化》 2004年第04期
介绍了Levenberg-Marquardt算法来加速神经网络的训练过程,并且为了使得网络回归分析结果具有良好的泛化能力,在训练算法的目标函数中综合了网络权值因素.最后对所给出的算法进行了实例仿真,仿真结果表明该算法不仅具有较好的数据拟合精度,而且具有很好的泛化性能.
作者:周鸣争; 汪军 期刊:《仪器仪表学报》 2005年第04期
支持向量机(Support Vector machine,简称SVM)是一种基于结构风险最小化原理,具有很高泛化性能的学习算法.针对工业多传感器测控系统中,被测系数与相关参数之间存在有较大的非线性和模糊关系,提出了一种基于支持SVM的多传感器信息融合模型及算法.为小样本、非线性、高维数一类多传感器信息融合问题的建模提供了一种有效的途径.通过对'纸张水份在线测量系统'应用表明,基于SVM的多传感器信息融合模型及算法在测量精度和推广性能上都...
作者:李村合; 张振凯; 朱洪波 期刊:《电子技术应用》 2019年第07期
多示例多标签学习框架是一种针对解决多义性问题而提出的新型机器学习框架,在多示例多标签学习框架中,一个对象是用一组示例集合来表示,并且和一组类别标签相关联。E-MIMLSVM^+算法是多示例多标签学习框架中利用退化思想的经典分类算法,针对其无法利用无标签样本进行学习从而造成泛化能力差等问题,使用半监督支持向量机对该算法进行改进。改进后的算法可以利用少量有标签样本和大量没有标签的样本进行学习,有助于发现样本集内部隐...
作者:木立生; 吕迎春 期刊:《现代电子技术》 2018年第09期
针对人脸识别在有遮挡、表情、光照的变化或受到噪声污染时鲁棒性变差问题,提出一种基于稀疏表示与特征融合的人脸识别算法。首先采用低秩恢复算法得到训练样本和测试样本的干净人脸图像,提取干净人脸图像的LBP,HOG,Gabor三种特征向量;然后对部分训练样本进行SRC分类测试,根据SRC的识别结果与分类残差定义一个损失函数,再利用正则化最小二乘法计算出使损失函数最小的权重向量;最后根据该权重向量重构规则化残差进行分类。在ORL,Ext...
作者:李畸勇; 赵振东; 李宜生; 肖晶; 汤允凤 期刊:《可再生能源》 2017年第12期
为了进一步提高光伏/光热一体化(PV/T)系统中PV/T组件温度的预测精度,使得PV/T系统能够根据PV/T组件温度的波动情况提前准确地做出控制决策,以优化控制效果,文章在分析PV/T组件温度与气象因素的相关性以及相邻时间序列温度自相关性的基础上,采用主成分分析法对原始输入样本数据进行预处理,并提取该样本数据的主成分,然后结合反馈型Elman神经网络理论,建立动态预测模型。研究结果表明,相对于未提取主成分的神经网络模型,提取主成...
集成学习算法是机器学习领域中用来提高分类器泛化性能的流行算法。本文利用平安人寿保险股份有限公司的实际业务数据,采用数据挖掘算法中的集成算法,建立公司少儿险产品的多个推荐模型。该系列模型对比常见的分类方法如逻辑回归构建的模型,在深度较小时,预测精度有所提升,能够更加准确地挖掘出购买客户,实现精准营销。
作者:张昭昭; 乔俊飞; 余文 期刊:《控制与决策》 2017年第07期
针对LM算法不能在线训练RBF网络以及RBF网络结构设计算法中存在的问题,提出一种基于LM算法的在线自适应RBF网络结构优化算法.该算法引入滑动窗口和在线优化网络结构的思想,滑动窗口的引入既使得LM算法能够在线训练RBF网络,又使得网络对学习参数的变化具有更好的鲁棒性,并且易于收敛.在线优化网络结构使得网络在学习过程中能够根据训练样本的训练误差和隐节点的相关信息,在线自适应调整网络结构,跟踪非线性时变系统的变化,使网络维...
作者:王诗琦; 赵书敏; 耿江东; 杨非; 蒋忠进 期刊:《计算机应用研究》 2016年第12期
极限学习机(ELM)在训练过程中无须调整隐层节点参数,因其高效的训练方式被广泛应用于分类和回归,然而极限学习机也面临着结构选择与过拟合等严重问题。为了解决此问题,针对隐层节点增量数目对收敛速度以及训练时间的影响进行了研究,提出一种利用网络输出误差的变化率控制网络增长速度的变长增量型极限学习机算法(VI—ELM)。通过对多个数据集进行回归和分类问题分析实验,结果表明,提出的方法能够以更高效的训练方式获得良...
作者:杨慧中; 王伟娜; 丁锋 期刊:《信息与控制》 2006年第06期
提出了一种基于权值拟熵的“剪枝算法”与权值敏感度相结合的新方法,在“剪枝算法”中将权值拟熵作为惩罚项加入目标函数中,使多层前向神经网络在学习过程中自动约束权值分布,并以权值敏感度作为简化标准,避免了单纯依赖权值大小剪枝的随机性,同时,又针对剪枝算法在优化多输入多输出网络过程中计算量大、效率不高的问题,提出了一种在级联-相关(cascade—correlation,CC)算法的基础上从适当的网络结构开始对网络进行构建...
作者:汪庆华; 张优云; 朱永生 期刊:《西安交通大学学报》 2007年第03期
在分析现有神经网络集成构造过程的基础上,提出了一种神经网络紧凑集成模式,集成中成员网络的训练和网络组合权重的优化在同一个学习过程中进行,各参数的调整以提高集成泛化性能为目的.与现有神经网络集成模式相比,集成构造过程更加紧凑,它将个体网络生成阶段与结论合成阶段合二为一,并且网络之间的信息交互建立在实时动态的集成结构基础上,保证了成员网络训练与结论合成之间信息传递的始终一致性.为验证该模式的有效性及...
作者:李益国; 沈炯 期刊:《中国电机工程学报》 2006年第18期
结论参数对T-S模糊模型的泛化能力有重要影响.该文引入v-支持向量回归机(v-SVRM),把T-S模型结论参数的辨识问题转化为一个约束优化问题,并推导了新的迭代求解算法.该方法通过一个参数v控制支持向量的数目和落在??不灵敏带外样本点的数目,并自动计算合适的??.针对典型负荷被控对象的仿真结果表明:该方法比通常采用最小二乘法进行结论参数辨识的方法具有更好的泛化能力;此外,由于采用了??不灵敏损失函数,该方法具有更好的噪...
作者:盛守照; 姜斌 期刊:《系统工程与电子技术》 2006年第09期
针对前向神经网络泛化问题,从函数论的角度分析了影响前向神经网络泛化性能的因素。为了提高网络的泛化性能,从理论上分析指出,在网络学习过程中通过增加隐含层神经元来降低网络最大固有误差和最大样本误差的同时,要求确保网络泛化定义域尽可能接近网络输入定义域,否则将有可能降低网络的泛化性能。通过数值试验验证了上述结论。
作者:张涛; 吴汉生 期刊:《计算机仿真》 2006年第04期
运用强化学习的方法来对连续的倒立摆系统实现平衡控制是一直以来有待解决的问题。该文将Q学习与神经网络中的BP网络、S激活函数相结合,利用神经网络的泛化性能,设计出一种新的学习控制策略,通过迭代和学习过程,不但能够解决倒立摆系统连续状态空间的输入问题,还成功解决了输出连续动作空间的问题。将此方法运用于连续倒立摆系统的平衡控制中,经过基于实际控制模型的Matlab软件仿真实验,结果显示了这个方法的可行性。该方法...
不平衡数据分类是模式分类领域较难处理的一类问题,其主要原因在于类间样本数目不均衡。为了有效地提高不平衡数据分类效果,本文提出了一种引入偏置选择变量的不平衡数据集重采样算法。该算法引入一个偏置选择变量,该变量定义了多数类样本被取样的概率。通过引入偏置选择变量可以有效地降低不平衡度,因此能很好地提高分类算法在不平衡数据集上的泛化性能。在人工生成数据集上的分类实验充分验证了本文重采样算法的有效性。
作者:黄红梅 罗兵 期刊:《广东水利电力职业技术学院学报》 2008年第04期
按AdkaBoost自适应提升算法构建多个简单ANN然后集成,简化了ANN设计,改善了ANN性能.该理论证明:在单个ANN具有一定的要求较低的性能条件下,即误差小于50%时,该ANN集成对两分类问题的训练误差具有收敛性,对测试集的泛化误差有界.从而从理论上可以解释其对ANN性能的改进.
作者:刘萍萍 马昱阳 期刊:《西安工业大学学报》 2014年第11期
为了达到掌握大坝变形规律,确保大坝安全运行的目的.通过对小波神经网络和BP神经网络的对比,从隐含层激励函数的构造分析,得出两种网络本质相同,从BP算法的权值调节分析两种网络的预测性能包括收敛性能和泛化性能,并结合实践应用到具体的大坝预测问题上,验证小波神经网络在预测方面精度高,误差不超过0.1mm,同时泛化性能好的优势.