导读:本文包含了最小二乘向量机论文开题报告文献综述及选题提纲参考文献，主要关键词:汽轮机,经济性,排汽焓,最小二乘支持向量机
最小二乘向量机论文文献综述
杨斌,柳琦,张芹,高原,雷鸣[1]（2019）在《基于最小二乘支持向量机的汽轮机低压缸排汽焓计算》一文中研究指出为了在线计算汽轮发电机组的经济性,基于LSSVM(最小二乘支持向量机)建立了一种汽轮机低压缸排汽焓在线计算模型。首先分析汽轮机低压缸排汽焓影响因素,确定LSSVM模型的输入变量与输出变量,采集历史数据,数据预处理后剔除明显坏点,再对各参数进行归一化,将其转化为无量纲量,最后将归一化处理后的数据用于LSSVM模型的训练,再用性能试验的数据对模型进行验证,得到基于LSSVM的汽轮机低压缸排汽焓计算模型。结果表明:基于LSSVM的汽轮机低压缸排汽焓计算模型能够有效预测低压缸排汽焓,误差范围在1%以内,低压缸排汽焓的预测值比试验值平均小约5 kJ/kg。低压缸排汽焓的预测值与试验值保持着相同的变化规律。(本文来源于《浙江电力》期刊2019年11期）
董海,徐德珉[2]（2019）在《基于蜻蜓算法和最小二乘向量机的小批量生产质量预测》一文中研究指出采用蜻蜓算法(DA)和最小二乘支持向量机(LSSVM)的方法,解决生产过程中小批量产品在质量预测方面的问题。首先以汽车变速箱轴承内圈孔直径的尺寸作为预测数据,连续观测12个单位时间,并记录每个单位时间轴承内圈孔直径的尺寸数据,进行归一化处理;其次采用LSSVM对变速箱轴承内圈孔直径加工过程变化进行量化分析,并采用蜻蜓算法优化LSSVM参数;最后将DA-LSSVM综合方法与多种预测模型进行对比分析。结果表明,DA-LSSVM方法可以提高预测模型的训练预测精度,缩短训练时间。(本文来源于《科技管理研究》期刊2019年22期）
王红蔚,孔波[3]（2019）在《适用于大数据的最小二乘半监督支持向量机》一文中研究指出为了有效地利用大数据中的无类别标签样本,将最小二乘支持向量机的思想和方法运用到半监督学习中,利用有类别标签和无类别标签样本构造支持向量机模型,通过Lagrange数乘法将其转化为一个线性规划问题,得到了一种适用于大数据的最小二乘半监督支持向量机.该算法有效地提高了支持向量机的测试准确率,具有较好的推广能力.(本文来源于《河南大学学报(自然科学版)》期刊2019年06期）
宋学伟,刘天羽,江秀臣,盛戈皞,刘玉瑶[4]（2019）在《基于改进鱼群算法与最小二乘支持向量机的短期负荷预测》一文中研究指出在电力系统中,无论是正常运行时的调度工作还是故障修复时的孤岛划分,都需要准确的负荷数据,因此电力负荷准确的短期预测工作十分重要。本文运用最小二乘支持向量机进行预测:首先,对人工鱼群算法通过视野和步长自适应设定以及引入精英反向学习机制进行改进,使其计算更加具有优越性;其次,利用改进的人工鱼群算法对广泛应用于负荷预测的最小二乘支持向量机进行改进(主要针对其核宽度系数与正则化参数);最后,运用参数改进后的最小二乘支持向量机对IEEE 33节点系统进行短期负荷预测。实例表明了此方法的工程实用性。(本文来源于《电气技术》期刊2019年11期）
司宾强,罗东琦,付元杰,朱纪洪[5]（2019）在《基于复最小二乘支持向量机的波达方向估计算法》一文中研究指出波达方向估计利用接收的阵列信号的统计特征,寻找期望信号的波达方向。传统波达方向估计算法如MUSIC、CSM等存在着不能应用于相关源以及运算量大的问题。为了解决这一问题,提出了一种基于复最小二乘支持向量机的波达方向估计算法。将传统最小二乘支持向量机拓展到复空间,并采用复高斯核函数。仿真结果显示提出的方法相比具有更高的准确性与效率。(本文来源于《第十叁届全国信号和智能信息处理与应用学术会议论文集》期刊2019-10-25）
杜青青[6]（2019）在《基于最小二乘支持向量机逆系统方法应用研究》一文中研究指出针对流浆箱的内部机理模型,提出了一种基于最小二乘支持向量机逆系统的解耦控制方法。利用最小二乘支持向量机辨识得到流浆箱系统的逆模型,并采用逆系统思想,将流浆箱非线性系统解耦成多个相互独立的单入单出伪线性子系统。采用MATLAB对该解耦控制方法的有效性进行仿真验证,结果表明,该控制方法抗干扰性强,结构简单,工程上易于实现。(本文来源于《工业仪表与自动化装置》期刊2019年05期）
王小辉,郭学兰[7]（2019）在《最小二乘支持向量机在沉降量预测中的应用》一文中研究指出高层建筑物的地基沉降量是高层建筑物安全的一个重要指标,根据已有的观测数据对未来的沉降量进行观测可以有效预防灾害的发生。由于沉降量是一个复杂的非线性过程,采用非线性预测方法是一种可行有效的方法。本文将最小二乘支持向量机应用于高层建筑物地基沉降量的预测,对参数分别用交叉验证和遗传算法进行了优化。经过实例验证,最小二乘支持向量机应用于沉降量的预测是可行的,并且遗传算法优化的最小二乘支持向量机的预测沉降量精度更优。(本文来源于《北京测绘》期刊2019年09期）
金志浩,于宝刚,杨铮鑫,王雷[8]（2019）在《基于小波分析-最小二乘支持向量机的转子碰摩故障诊断》一文中研究指出针对不同材料碰摩声发射信号分类识别的问题,利用小波分析良好的时频特性和最小二乘支持向量机解决小样本、非线性、高维模式识别问题的优势,提出一种小波分析与最小二乘支持向量机结合的分类方法.声发射信号进行小波多尺度分解,将分解获得的各尺度能量百分比作为最小二乘支持向量机的输入,用于声发射信号分类识别.实验结果表明:该方法可以明显识别出转子碰摩故障信号以及分类不同材料的碰摩信号.(本文来源于《沈阳化工大学学报》期刊2019年03期）
高卫刚,陈桂明,郭小川,蔺志强[9]（2019）在《基于最小二乘支持向量机导弹订购价格预测模型研究》一文中研究指出采取最小二乘向量机原理,创新性地以导弹武器装备性能作为训练参数,建立导弹订购价格预测模型,使之更加贴合部队实际。通过导弹作战任务需求,构建导弹武器装备性能指标,利用现有的数据,深入分析导弹武器装备性能与订购价格之间的关系,利用最小二乘支持向量机方法对数据样本训练优化,并应用实例进行了建模分析研究。(本文来源于《经济研究导刊》期刊2019年26期）
陈婉茹,白富生[10]（2019）在《基于凸绝对值不等式的半监督最小二乘支持向量机》一文中研究指出针对半监督分类问题,提出了基于凸绝对值不等式的半监督最小二乘支持向量机.传统的半监督支持向量机鲁棒性不强、效率不高,针对这些不足,利用凸绝对值不等式将平面分为两个有重迭的半平面,通过极小化重迭部分以及采用最小二乘支持向量机的思想处理无标签点,提高分类准确率,结果具有一定的鲁棒性.在8个数据集上进行了数值实验,说明了所提出的半监督分类算法的有效性.(本文来源于《数学建模及其应用》期刊2019年03期）
最小二乘向量机论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
采用蜻蜓算法(DA)和最小二乘支持向量机(LSSVM)的方法,解决生产过程中小批量产品在质量预测方面的问题。首先以汽车变速箱轴承内圈孔直径的尺寸作为预测数据,连续观测12个单位时间,并记录每个单位时间轴承内圈孔直径的尺寸数据,进行归一化处理;其次采用LSSVM对变速箱轴承内圈孔直径加工过程变化进行量化分析,并采用蜻蜓算法优化LSSVM参数;最后将DA-LSSVM综合方法与多种预测模型进行对比分析。结果表明,DA-LSSVM方法可以提高预测模型的训练预测精度,缩短训练时间。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
最小二乘向量机论文参考文献
[1].杨斌,柳琦,张芹,高原,雷鸣.基于最小二乘支持向量机的汽轮机低压缸排汽焓计算[J].浙江电力.2019
[2].董海,徐德珉.基于蜻蜓算法和最小二乘向量机的小批量生产质量预测[J].科技管理研究.2019
[3].王红蔚,孔波.适用于大数据的最小二乘半监督支持向量机[J].河南大学学报(自然科学版).2019
[4].宋学伟,刘天羽,江秀臣,盛戈皞,刘玉瑶.基于改进鱼群算法与最小二乘支持向量机的短期负荷预测[J].电气技术.2019
[5].司宾强,罗东琦,付元杰,朱纪洪.基于复最小二乘支持向量机的波达方向估计算法[C].第十叁届全国信号和智能信息处理与应用学术会议论文集.2019
[6].杜青青.基于最小二乘支持向量机逆系统方法应用研究[J].工业仪表与自动化装置.2019
[7].王小辉,郭学兰.最小二乘支持向量机在沉降量预测中的应用[J].北京测绘.2019
[8].金志浩,于宝刚,杨铮鑫,王雷.基于小波分析-最小二乘支持向量机的转子碰摩故障诊断[J].沈阳化工大学学报.2019
[9].高卫刚,陈桂明,郭小川,蔺志强.基于最小二乘支持向量机导弹订购价格预测模型研究[J].经济研究导刊.2019
[10].陈婉茹,白富生.基于凸绝对值不等式的半监督最小二乘支持向量机[J].数学建模及其应用.2019