您的位置： 专家智库 > >

杜方键

作品数：5 被引量：17H指数：2
供职机构：西北工业大学航海学院更多>>
发文基金：国家自然科学基金更多>>
相关领域：自动化与计算机技术理学一般工业技术电子电信更多>>

合作作者

文献类型

  • 3篇期刊文章
  • 2篇会议论文

领域

  • 3篇自动化与计算...
  • 1篇电子电信
  • 1篇一般工业技术
  • 1篇理学

主题

  • 3篇目标识别
  • 2篇支持向量
  • 2篇水下目标
  • 2篇水下目标识别
  • 2篇特征选择算法
  • 2篇向量
  • 2篇分类器
  • 1篇遗传算法
  • 1篇支持向量机
  • 1篇支持向量数据...
  • 1篇声目标识别
  • 1篇数据分类
  • 1篇数据描述
  • 1篇水声目标
  • 1篇水声目标识别
  • 1篇自适
  • 1篇自适应
  • 1篇自适应免疫
  • 1篇向量机
  • 1篇免疫克隆

机构

  • 5篇西北工业大学
  • 1篇水下测控技术...

作者

  • 5篇杨宏晖
  • 5篇杜方键
  • 2篇孙进才
  • 2篇戴健
  • 1篇陈兆基
  • 1篇彭圆
  • 1篇李桂娟

传媒

  • 2篇声学技术
  • 1篇西安交通大学...

年份

  • 1篇2014
  • 1篇2012
  • 3篇2011
共 5 条 记 录，以下是 1-5
全选 清除 导出
排序方式：
用于水声目标识别的自适应免疫特征选择算法被引量：10
2011年
针对水声目标小样本识别中样本数目有限而特征数目不断增加,导致分类系统分类性能下降的问题,提出了一种新的自适应免疫特征选择算法(AIFSA).该算法先利用先验知识生成初始种群,接着利用交叉、变异和新的自适应免疫算子指导种群进化,每代中对分类贡献大且选择特征数目少的个体适应度值高.AIFSA具有可以利用先验知识、收敛速度快以及优化特征子集维数小的优点.提取了实测4类水声目标的多域特征,进行特征选择和分类识别仿真实验,结果表明:AIFSA可以选择有效特征子集,在特征维数下降60%的情况下,支持向量机分类器的平均正确分类率下降很小;AIFSA与标准遗传算法相比,收敛快、稳定,所得优化特征子集具有更高的正确分类率和更好的范化性能.
杨宏晖戴健孙进才杜方键彭圆李桂娟
关键词：水声目标识别
一种用于风机故障诊断的免疫克隆特征选择算法被引量：1
2012年
提出一种新的用于风机故障诊断的免疫克隆特征选择算法。提取了生产线上实测风机噪声的时域波形结构特征、小波分析特征及听觉谱特征,进行特征选择和故障诊断仿真实验。实验结果表明:在特征选择后的特征数目比原特征数目减少61%的情况下,支持向量机分类器的分类正确率下降很小,分类时间显著减少。实验结果证明了该算法的有效性和鲁棒性,且能有效地应用于风机故障诊断。
戴健杨宏晖杜方键孙进才
关键词：免疫克隆风机故障诊断
K均值聚类优化集成学习
利用Bagging算法对分类器集成可以有效的提高分类器的识别精度和稳定性。Bagging算法需要生成的子分类器差异度要大,则训练子集应有较大差异度。而采用随机采样不能保证训练子集的差异度,为此本文采用对训练样本集进行K均...
杜方键杨宏晖
关键词：BAGGING算法K均值聚类分类器
文献传递
两种半监督多类水下目标识别算法的比较被引量：6
2014年
基于半监督学习理论的水下目标识别系统能够从未知类别测试集中识别出已学习类别测试样本,并拒判未学习类别测试样本。描述并讨论了两种基于支持向量数据描述(Support Vector Data Description,SVDD)的半监督水下目标识别算法:半监督SVDD与半监督SVDD集成。利用四类实测水下目标样本进行实验,训练样本为三类已知类别样本,测试样本为四类样本,包含一类未学习类别样本。对两种算法实验结果进行比较,表明半监督SVDD集成算法比半监督SVDD算法能更好地识别已学习类别测试样本,并能有效拒判未学习类别测试样本,不足之处为时间消耗与过程复杂程度比半监督SVDD算法高。
杜方键杨宏晖
关键词：水下目标识别支持向量数据描述分类器集成
用于水下目标识别的选择性SVM集成算法
支持向量机集成(SVME)可以提高水下目标识别的精度，但是却使得分类系统更加复杂，增加了在线识别的时间。针对这个问题，本文提出一种基于遗传算法(GA)的选择性SVME算法用于水下目标识别。利用实测的4类水下目标声数据进行...
陈兆基杨宏晖杜方键
关键词：水下目标识别支持向量机遗传算法数据分类
全选 清除 导出
共1页<1>
聚类工具0