[1]王杰,陈锴鹏..基于决策函数及PSO优化的SVM预测控制应用研究[J].郑州大学学报(工学版),2013,34(02):53-56.[doi:10.3969/j.issn.1671-6833.2013.02.014]
点击复制

基于决策函数及PSO优化的SVM预测控制应用研究()
分享到：

《郑州大学学报(工学版)》[ISSN:1671-6833/CN:41-1339/T]

卷:
34卷
期数:
2013年02期
页码:
53-56
栏目:
出版日期:
2013-03-28

文章信息/Info

作者:
王杰; 陈锴鹏.
郑州大学电气工程学院,河南郑州,450001, 郑州大学电气工程学院,河南郑州,450001
关键词:
支持向量机;  决策函数;  粒子群算法;  预测控制
DOI:
10.3969/j.issn.1671-6833.2013.02.014
摘要:
SVM处理大样本问题时性能明显不如神经网络,因此笔者利用矩阵变换进行决策函数的简化来提升SVM的训练速度,对SVM建模时非必需的支持向量进行约简,并引入一个松弛变量来提升约简效果.实验证明,约简后支持向量个数减少三分之一以上.SVM所建立的模型进行线性化之后应用于预测控制当中,采用PSO算法来选择最优的SVM参数和计算预测控制的最优控制律.通过对水泥回转窑窑尾烟室温度的数据进行实验仿真,结果表明该方法可以提高系统响应速度,减小系统响应的超调量.

相似文献/References:

[1]李蒙蒙,尚志刚,李志辉.结合投影与近邻操作的支持向量快速筛选方法[J].郑州大学学报(工学版),2017,38(03):49.[doi:10.13705/j.issn.1671-6833.2016.06.003]
　Li Mengmeng,Shang Zhigang,Li Zhihui.Fast Method to Filter Support Vectors Combined with Operation of Projection and Nearest Neighbors’ Selection[J].Journal of Zhengzhou University (Engineering Science),2017,38(02):49.[doi:10.13705/j.issn.1671-6833.2016.06.003]
[2]耿亚南,邓计才.基于人工鱼群优化SVM的声磁标签信号检测研究[J].郑州大学学报(工学版),2017,38(04):35.[doi:10.13705/j.issn.1671-6833.2017.04.001]
　Deng Jicai,Geng Yanan.Improved AFSA Optimization of SVM in The Application of Magnetic EAS Acoustic Signal Detection[J].Journal of Zhengzhou University (Engineering Science),2017,38(02):35.[doi:10.13705/j.issn.1671-6833.2017.04.001]
[3]曾庆山,宋庆祥,范明莉.基于光流共生矩阵的人群行为异常检测[J].郑州大学学报(工学版),2018,39(03):29.[doi:10.13705/j.issn.1671-6833.2017.06.032]
　Zeng Qingshan,Song Qingxiang,Fan Mingli.Detection of Human Behavior Anomaly Based on the Optical Flow Co-occurrence Matrix[J].Journal of Zhengzhou University (Engineering Science),2018,39(02):29.[doi:10.13705/j.issn.1671-6833.2017.06.032]
[4]雷文平,吴小龙,陈超宇,等.基于自动编码器和SVM的轴承故障诊断方法[J].郑州大学学报(工学版),2018,39(05):68.[doi:10.13705/j.issn.1671-6833.2018.05.013]
　Lei Wenping,Wu Xiaolong,Chen Chaoyu,et al.The Application of SVM Based on Auto-encoder in Bearing Fault Diagnosis[J].Journal of Zhengzhou University (Engineering Science),2018,39(02):68.[doi:10.13705/j.issn.1671-6833.2018.05.013]
[5]王杰,姜念,张毅..SVM算法的区间自适应PSO优化及其应用[J].郑州大学学报(工学版),2011,32(01):75.[doi:10.3969/j.issn.1671-6833.2011.01.019]
[6]徐敏,袁建洲,刘四新,等.基于改进粒子群优化算法的短期风电功率预测[J].郑州大学学报(工学版),2012,33(06):32.[doi:10.3969/j.issn.1671-6833.2012.06.008]

更新日期/Last Update: 1900-01-01