管理学家
管理學傢
관이학가
GUANGLI XUEJIA
2012年
18期
189-190
,共2页
多模型%聚类分析%BP 神经网络%支持向量机
多模型%聚類分析%BP 神經網絡%支持嚮量機
다모형%취류분석%BP 신경망락%지지향량궤
针对单一模型难以全面描述木材含水率的复杂非线性问题,本文提出一种基于聚类分析和多模型的传感器建模方法.本方法采用模糊C 均值聚类(FCM)算法,将训练集中的输出样本通过相似性准则进行分类,然后采用BP 或SVM 方法对每一类样本子集进行建模,并根据模糊聚类后生成子集所含样本个数的多少,分别按照SVM 算法和BP 网络的不同适用特点进行选择,并对聚类分析算法、神经网络算法、支持向量机算法进行了Matlab 仿真研究.通过实例验证了本方法建模对于木材含水率的检测具有更好的泛化结果和测量精度.
針對單一模型難以全麵描述木材含水率的複雜非線性問題,本文提齣一種基于聚類分析和多模型的傳感器建模方法.本方法採用模糊C 均值聚類(FCM)算法,將訓練集中的輸齣樣本通過相似性準則進行分類,然後採用BP 或SVM 方法對每一類樣本子集進行建模,併根據模糊聚類後生成子集所含樣本箇數的多少,分彆按照SVM 算法和BP 網絡的不同適用特點進行選擇,併對聚類分析算法、神經網絡算法、支持嚮量機算法進行瞭Matlab 倣真研究.通過實例驗證瞭本方法建模對于木材含水率的檢測具有更好的汎化結果和測量精度.
침대단일모형난이전면묘술목재함수솔적복잡비선성문제,본문제출일충기우취류분석화다모형적전감기건모방법.본방법채용모호C 균치취류(FCM)산법,장훈련집중적수출양본통과상사성준칙진행분류,연후채용BP 혹SVM 방법대매일류양본자집진행건모,병근거모호취류후생성자집소함양본개수적다소,분별안조SVM 산법화BP 망락적불동괄용특점진행선택,병대취류분석산법、신경망락산법、지지향량궤산법진행료Matlab 방진연구.통과실례험증료본방법건모대우목재함수솔적검측구유경호적범화결과화측량정도.