基于支持向量機的煙氣成分建模研究.pdf_第1頁
已閱讀1頁,還剩53頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、鍋爐燃燒產(chǎn)生的煙氣成分直接體現(xiàn)了鍋爐的燃燒工況,是鍋爐的優(yōu)化運行和經(jīng)濟燃燒的重要指標(biāo)之一,因此有必要對煙氣成分進行分析。
   支持向量機(Support vector machine,SVM)是基于統(tǒng)計學(xué)理論上的一種新機器學(xué)習(xí)的方法。SVM較好地解決了小樣本、高維數(shù)等實際問題,現(xiàn)已廣泛的應(yīng)用于回歸估計及模式識別等問題中,SVM的這些優(yōu)點為基于數(shù)據(jù)的煙氣成份分析研究提供了理論基礎(chǔ)和研究思路。
   本文采用SVM理論構(gòu)建

2、一種基于數(shù)據(jù)的非線性系統(tǒng)模型,基于此模型,對難以在線測量的煙氣成分進行建模。首先針對最小二乘支持向量機(LS-SVM)缺失稀疏性的問題,提出了一種稀疏性LS-SVM,使LS-SVM重新獲得了稀疏性解,提升了算法的速度,也為對象復(fù)雜和大數(shù)據(jù)量的煙氣成分建模提供了一種數(shù)據(jù)預(yù)處理方面的新方法;其次研究了支持向量、中心距離比、增量學(xué)習(xí)及邊界樣本間的關(guān)系,提出了一種處理不均衡數(shù)據(jù)的LS-SVM方法,該算法有效的提高了LS-SVM對不均衡數(shù)據(jù)分類的

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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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