模糊支持向量機算法及其在一次風量測量中的應用.pdf_第1頁
已閱讀1頁,還剩62頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、支持向量機(SVM)是由Vapnik等人提出以VC維理論為基礎,以結構風險最小化為原則的算法,它能夠較好的處理分類和回歸問題,表現(xiàn)出很強的學習性能和泛化能力。然而由于模糊信息的存在,SVM對孤立點和噪聲過分敏感,容易出現(xiàn)“過學習”現(xiàn)象,因此,許多專家學者提出了模糊支持向量機(FSVM)算法。
   FSVM以支持向量機原理和模糊數(shù)學理論為基礎,對SVM進行改進和完善,較好地處理小樣本、非線性、高維數(shù)和局部極小點等問題,削弱了傳統(tǒng)

2、SVM對噪聲和孤立點敏感的問題,廣泛應用于模式識別、圖像處理、醫(yī)學、經(jīng)濟預警、股票預測等方面。本文選取模糊C均值算法(FCM)作為隸屬度函數(shù)的設計方法,并放寬隸屬度條件,提出了FCM的改進算法,然后選取徑向基核函數(shù)(RBF)和ε-SVR模型結構,其中懲罰因子和松弛變量的最佳參數(shù)值要用交叉驗證法來選取,仿真實驗表明該算法具有較好的有效性和精確性。
   電廠中一次風量準確、可靠的測量是保證火電機組控制系統(tǒng)穩(wěn)定、經(jīng)濟的運行重要因素,

3、然而硬件儀表測量受現(xiàn)場安裝條件、測量精度和測量條件等方面的限制,存在一定的測量誤差,由此,本文提出應用軟測量方法結合火電廠的實際應用來測量一次風量。由于在DCS中選取軟測量建模的樣本數(shù)據(jù)存在一定的模糊性和分散性,本文針對基于FSVM算法的軟測量建模方法進行研究并對模型進行改進,通過機理分析、相關系數(shù)分析等方法確定了輔助變量,采用滑動平均濾波和數(shù)據(jù)歸一化處理進行數(shù)據(jù)預處理,選用放寬了隸屬度條件的FCM算法計算樣本隸屬度值,然后對建模過程中

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論