期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于极限学习机的在线参数更新方法及工业应用
被引量：
2
1
作者
王再辰
程辉
赵亮
《现代电子技术》
2023年第22期126-130,共5页
针对乙烯裂解炉结焦导致裂解炉机理改变,从而引起的模型预测不准确问题,提出一种带有遗忘因子的在线序列简化核极限学习机算法(FOS-RKELM)。该算法基于在线序列的简化核极限学习机,数据可以在线实时添加到网络中,从而提高模型的适应度;...
针对乙烯裂解炉结焦导致裂解炉机理改变,从而引起的模型预测不准确问题,提出一种带有遗忘因子的在线序列简化核极限学习机算法(FOS-RKELM)。该算法基于在线序列的简化核极限学习机,数据可以在线实时添加到网络中,从而提高模型的适应度;通过引入遗忘因子提高最近学习数据对模型的贡献,增强模型在线学习的能力;引入聚类算法优化、简化核极限学习机(RKELM),提高算法的稳定性。结果表明:所提算法在Mackey-Glass时滞混沌序列上取得了较好的预测效果;在乙烯产物收率预测问题上,与在线序列简化核极限学习机(OS-RKELM)、简化核极限学习机(RKELM)、BP神经网络和径向基学习机(RBF)算法相比,该算法平均绝对误差显著减小,证明了该算法的有效性。
展开更多
关键词
在线序列
简化核极限学习机
(OS-RKELM)
简化核极限学习机
(RKELM)
遗忘因子
在线序列
参数更新
乙烯裂解炉
下载PDF
职称材料
联合Cameron分解和融合RKELM的全极化HRRP目标识别方法
被引量：
6
2
作者
王晶晶
刘峥
+1 位作者
谢荣
冉磊
《雷达学报（中英文）》
CSCD
北大核心
2021年第6期944-955,共12页
该文针对传统全极化高分辨一维距离像(HRRP)雷达目标识别问题,提出了结合Cameron分解和融合简化核极限学习机(RKELM)的目标识别方法,旨在提高全极化HRRP目标识别性能。在特征提取阶段,所提方法利用Cameron分解定义了目标在各个标准散射...
该文针对传统全极化高分辨一维距离像(HRRP)雷达目标识别问题,提出了结合Cameron分解和融合简化核极限学习机(RKELM)的目标识别方法,旨在提高全极化HRRP目标识别性能。在特征提取阶段,所提方法利用Cameron分解定义了目标在各个标准散射体上的投影分量。通过分析,将目标在三面角、二面角和1/4波长器件这3个散射基上沿距离维的投影分量作为目标特征,实现对目标散射特性更加精细化的描述。在分类阶段,考虑到RKELM算法识别性能的不稳定性,提出了一种基于原型聚类预处理的RKELM方法,并在此基础上设计了特征级融合RKELM网络和决策级融合RKELM网络,以对投影特征进行融合分类。实验部分利用10类民用车辆的全极化HRRP数据将所提识别方法和现有方法进行了对比,结果表明:(1)所采用的Cameron分解投影特征表现出了较高的可分性和噪声稳健性;(2)当训练样本数较多时,特征级融合RKELM算法的泛化性能较好;当训练样本数较少时,决策级融合RKELM的泛化性能较好。
展开更多
关键词
雷达目标识别
高分辨一维距离像
全极化
Cameron分解
简化核极限学习机
信息融合
下载PDF
职称材料
题名
基于极限学习机的在线参数更新方法及工业应用
被引量：
2
1
作者
王再辰
程辉
赵亮
机构
华东理工大学能源化工过程智能制造教育部重点实验室
出处
《现代电子技术》
2023年第22期126-130,共5页
基金
国家自然科学基金面上项目:化学过程生命周期评价与多目标鲁棒优化方法及其应用(22178103)。
文摘
针对乙烯裂解炉结焦导致裂解炉机理改变,从而引起的模型预测不准确问题,提出一种带有遗忘因子的在线序列简化核极限学习机算法(FOS-RKELM)。该算法基于在线序列的简化核极限学习机,数据可以在线实时添加到网络中,从而提高模型的适应度;通过引入遗忘因子提高最近学习数据对模型的贡献,增强模型在线学习的能力;引入聚类算法优化、简化核极限学习机(RKELM),提高算法的稳定性。结果表明:所提算法在Mackey-Glass时滞混沌序列上取得了较好的预测效果;在乙烯产物收率预测问题上,与在线序列简化核极限学习机(OS-RKELM)、简化核极限学习机(RKELM)、BP神经网络和径向基学习机(RBF)算法相比,该算法平均绝对误差显著减小,证明了该算法的有效性。
关键词
在线序列
简化核极限学习机
(OS-RKELM)
简化核极限学习机
(RKELM)
遗忘因子
在线序列
参数更新
乙烯裂解炉
Keywords
online sequence simplified kernel extreme learning machine
reduced kernel extreme learning machine
forgetting factor
online sequence
parameter updates
ethylene cracking furnace
分类号
TN911.23-34 [电子电信—通信与信息系统]
TP273 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
联合Cameron分解和融合RKELM的全极化HRRP目标识别方法
被引量：
6
2
作者
王晶晶
刘峥
谢荣
冉磊
机构
西安电子科技大学雷达信号处理国家重点实验室
出处
《雷达学报（中英文）》
CSCD
北大核心
2021年第6期944-955,共12页
基金
国家自然科学基金(62001346)
中国博士后基金面上项目(2019M663632)。
文摘
该文针对传统全极化高分辨一维距离像(HRRP)雷达目标识别问题,提出了结合Cameron分解和融合简化核极限学习机(RKELM)的目标识别方法,旨在提高全极化HRRP目标识别性能。在特征提取阶段,所提方法利用Cameron分解定义了目标在各个标准散射体上的投影分量。通过分析,将目标在三面角、二面角和1/4波长器件这3个散射基上沿距离维的投影分量作为目标特征,实现对目标散射特性更加精细化的描述。在分类阶段,考虑到RKELM算法识别性能的不稳定性,提出了一种基于原型聚类预处理的RKELM方法,并在此基础上设计了特征级融合RKELM网络和决策级融合RKELM网络,以对投影特征进行融合分类。实验部分利用10类民用车辆的全极化HRRP数据将所提识别方法和现有方法进行了对比,结果表明:(1)所采用的Cameron分解投影特征表现出了较高的可分性和噪声稳健性;(2)当训练样本数较多时,特征级融合RKELM算法的泛化性能较好;当训练样本数较少时,决策级融合RKELM的泛化性能较好。
关键词
雷达目标识别
高分辨一维距离像
全极化
Cameron分解
简化核极限学习机
信息融合
Keywords
Radar target recognition
High Resolution Range Profile(HRRP)
Full polarimetric
Cameron decomposition
Reduced Kernel Extreme Learning Machine(RKELM)
Information fusion
分类号
TN95 [电子电信—信号与信息处理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于极限学习机的在线参数更新方法及工业应用
王再辰
程辉
赵亮
《现代电子技术》
2023
2
下载PDF
职称材料
2
联合Cameron分解和融合RKELM的全极化HRRP目标识别方法
王晶晶
刘峥
谢荣
冉磊
《雷达学报（中英文）》
CSCD
北大核心
2021
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
