您的检索：
学者姓名：严爱军
精炼检索结果：
年份
成果类型
收录类型
来源
综合
合作者
语言
清除所有精炼条件
摘要 ：
案例推理分类器的权重分配及案例库维护方法
关键词 ：
案例库维护 案例库维护 案例推理 案例推理 蚁狮算法 蚁狮算法 权重分配 权重分配 分类器 分类器
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 严爱军 , 魏志远 , 计算机应用 . 案例推理分类器的权重分配及案例库维护方法 [J]. | 严爱军 , 2021 , 41 (4) : 1071-1077 . |
| MLA | 严爱军 等. "案例推理分类器的权重分配及案例库维护方法" . | 严爱军 41 . 4 (2021) : 1071-1077 . |
| APA | 严爱军 , 魏志远 , 计算机应用 . 案例推理分类器的权重分配及案例库维护方法 . | 严爱军 , 2021 , 41 (4) , 1071-1077 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
为了解决基于数据的预测模型中特征权重分配不合理的问题,将鲸鱼优化算法(whale optimization algorithm, WOA)纳入文化算法的种群空间中,获得了一种文化鲸鱼优化算法(cultural whale optimization algorithm, CWOA)以用于特征权重的优化分配.首先,将预测模型的均方根误差作为适应度函数;然后,采用WOA在种群空间中对特征权重进行迭代寻优;接着,通过接受函数将种群空间中的最优权重置于信仰空间中进行性能评价与双变异演化,以此形成形势知识和规范知识;最后,通过影响函数对种群空间中的权重进行更新指导,如此循环,从而得到特征权重的优化分配结果...
关键词 ：
信仰空间 信仰空间 鲸鱼优化算法 鲸鱼优化算法 权重分配 权重分配 文化算法 文化算法 种群空间 种群空间 案例推理 案例推理
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 严爱军 , 曹付起 . 基于文化鲸鱼优化算法的特征权重优化分配方法 [J]. | 北京工业大学学报 , 2021 , 47 (11) : 1230-1238 . |
| MLA | 严爱军 等. "基于文化鲸鱼优化算法的特征权重优化分配方法" . | 北京工业大学学报 47 . 11 (2021) : 1230-1238 . |
| APA | 严爱军 , 曹付起 . 基于文化鲸鱼优化算法的特征权重优化分配方法 . | 北京工业大学学报 , 2021 , 47 (11) , 1230-1238 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
在垃圾焚烧的过程中,垃圾热值的波动会影响垃圾焚烧的稳定性.为了实现城市生活垃圾热值的实时在线预测以及变化趋势预测,采用模糊神经网络软测量方法,利用焚烧发电厂在线运行数据作为输入,实现垃圾热值的实时预测功能.首先采用互信息方法从若干特征变量中剔除部分无关变量;然后将模糊神经网络和粒子群优化算法结合起来从上述选择出的特征变量中进一步剔除冗余变量,从而确定预测垃圾热值的输入变量,并从中训练出垃圾热值的模糊神经网络预测模型;最后通过采集的样本数据进行性能测试.结果表明该方法有较好的预测准确率和实时性,适用于垃圾热值的在线预测.
关键词 ：
热值 热值 城市生活垃圾 城市生活垃圾 实时预测 实时预测 模糊神经网络 模糊神经网络 特征选择 特征选择 互信息 互信息
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 丁晨曦 , 严爱军 . 城市生活垃圾热值的特征变量选择方法及预测建模 [J]. | 北京工业大学学报 , 2021 , 47 (08) : 874-885 . |
| MLA | 丁晨曦 等. "城市生活垃圾热值的特征变量选择方法及预测建模" . | 北京工业大学学报 47 . 08 (2021) : 874-885 . |
| APA | 丁晨曦 , 严爱军 . 城市生活垃圾热值的特征变量选择方法及预测建模 . | 北京工业大学学报 , 2021 , 47 (08) , 874-885 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
由于特征权重分配以及案例库维护对案例推理(CBR)分类器的性能有重要影响,提出了用蚁狮(ALO)算法来分配权重且用高斯混合模型的期望最大化算法(GMMEM)进行案例库维护的案例推理算法模型——AGECBR(Ant Lion and Expectation Maximization of Gaussian Mixture Model Case-Based Reasoning).首先采用蚁狮算法对特征权重进行分配,在这个过程中将案例推理分类准确率作为蚁狮算法对特征权重进行迭代寻优的适应度函数,以此实现特征权重的优化分配;然后,使用高斯混合模型的期望最大化算法对案例库中的各案例进行聚类分析,并删除其中的噪声案例和冗余案例,从而实现案例库的维护.在UCI标准数据集上进行了实验,所提模型AGECBR比反向传播(BP)、k-近邻(kNN)等分类算法平均分类准确率提升了3.83～5.44个百分点.实验结果表明,AGECBR能够使案例推理分类准确率得到有效改进.
关键词 ：
案例库维护 案例库维护 权重分配 权重分配 蚁狮算法 蚁狮算法 分类器 分类器 案例推理 案例推理
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 严爱军 , 魏志远 . 案例推理分类器的权重分配及案例库维护方法 [J]. | 计算机应用 , 2021 , 41 (4) : 1071-1077 . |
| MLA | 严爱军 等. "案例推理分类器的权重分配及案例库维护方法" . | 计算机应用 41 . 4 (2021) : 1071-1077 . |
| APA | 严爱军 , 魏志远 . 案例推理分类器的权重分配及案例库维护方法 . | 计算机应用 , 2021 , 41 (4) , 1071-1077 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
为了城市生活垃圾焚烧过程建模、控制、优化等方法的研究测试,将实物控制系统与虚拟对象结合起来研发了一种具有三层结构的半实物仿真平台.该平台的实物控制系统由智能控制优化层和基础控制层组成;虚拟对象层包括软件模拟的仪表、执行机构装置和焚烧过程模型.开发了人机界面、设备与参数的监控、焚烧过程模型以及OPC通讯等软件.测试了智能控制优化层和基础控制层的各项功能,结果表明:该平台的软、硬件部分运行稳定而可靠,能够有效而正确反映焚烧过程的变化.
关键词 ：
半实物仿真 半实物仿真 城市生活垃圾 城市生活垃圾 焚烧过程 焚烧过程 监控 监控
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 严爱军 , 夏恒 , 刘溪芷 . 城市生活垃圾焚烧过程监控半实物仿真平台研发 [J]. | 系统仿真学报 , 2021 , 33 (6) : 1427-1435 . |
| MLA | 严爱军 等. "城市生活垃圾焚烧过程监控半实物仿真平台研发" . | 系统仿真学报 33 . 6 (2021) : 1427-1435 . |
| APA | 严爱军 , 夏恒 , 刘溪芷 . 城市生活垃圾焚烧过程监控半实物仿真平台研发 . | 系统仿真学报 , 2021 , 33 (6) , 1427-1435 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了一种罗茨风机的故障诊断方法，涉及旋转机械故障诊断技术领域，包括以下步骤：(1)根据罗茨风机运行过程的历史数据建立故障案例库；(2)基于互信息方法的特征选择并分配权重；(3)获取风机当前运行数据并将其与源案例合并进行归一化处理；(4)通过案例检索模型计算风机当前运行数据与源案例的相似度并检索出相似案例；(5)根据KNN算法得到风机的运行状态；(6)将风机当前运行数据及状态构成一条案例存储至故障案例库，供下次诊断求解；(7)重复上述的步骤(3)～步骤(6)，以实现罗茨风机的故障诊断过程。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 严爱军 , 任跃 . 一种采用案例推理的罗茨风机故障诊断方法 : CN202010233726.5[P]. | 2020-03-30 . |
| MLA | 严爱军 等. "一种采用案例推理的罗茨风机故障诊断方法" : CN202010233726.5. | 2020-03-30 . |
| APA | 严爱军 , 任跃 . 一种采用案例推理的罗茨风机故障诊断方法 : CN202010233726.5. | 2020-03-30 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
城市生活垃圾焚烧过程风量智能设定方法，包括以下步骤：(1)根据城市生活垃圾焚烧过程的历史数据建立案例库；(2)将目标案例输入至案例推理模型中的检索环节中得到K个相似度值；(3)通过案例重用环节获得相似度值最大的源案例的建议解；(4)通过比较最大相似度值与相似度阈值大小关系，将当前工况的分别两种状态，然后针对不同的状态对建议解进行相应的修正，最后得到案例推理的确认解；(5)将确认解输入专家规则系统进行规则补偿并将风量设定值输出到焚烧过程控制系统；(6)重复上述的步骤(2)～步骤(5)，以实现城市生活垃圾焚烧过程的风量智能设定。本发明使焚烧过程风量的设定值符合实际工况，且能稳定控制焚烧过程。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 严爱军 , 夏恒 , 郭益东 . 城市生活垃圾焚烧过程风量智能设定方法 : CN202010310096.7[P]. | 2020-04-20 . |
| MLA | 严爱军 等. "城市生活垃圾焚烧过程风量智能设定方法" : CN202010310096.7. | 2020-04-20 . |
| APA | 严爱军 , 夏恒 , 郭益东 . 城市生活垃圾焚烧过程风量智能设定方法 : CN202010310096.7. | 2020-04-20 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
Dioxin (DXN) is a highly toxic pollutant emitted during municipal solid waste incinerator (MSWI) process. In the actual industrial process, DXN emission concentration is measured through offline experiment analysis, which has shortcomings such as long time and high cost. In this study, a soft-sensing model of DXN emission concentration was established by using MSWI process variables. Random forest (RF) and gradient boosting decision tree algorithms are used to construct ensemble learning-based DXN model. First, RF tree sub-models are constructed base on random sampling and CART regression tree. Then, Gradient boosting decision tree (GBDT) method is used to each RF sub-model, in which one gradient iteration is performed to reduce the prediction error. Finally, a simple average combination strategy is performed on these RF and GBDT based sub-models. Thus, the soft measuring model of DXN emission concentration based on small samples and high-dimensional MSWI process data is obtained. The proposed method can both reduce model variance and eliminate prediction bias. The experimental results show that the proposed method can further improve the prediction performance and generalization ability.
关键词 ：
Dioxin (DXN) emission concentration Dioxin (DXN) emission concentration Gradient boosting decision tree (GBDT) Gradient boosting decision tree (GBDT) Municipal solid waste incinerator (MSWI) Municipal solid waste incinerator (MSWI) Random forest (RF) Random forest (RF) Soft measuring model Soft measuring model
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | Xia, Heng , Tang, Jian , Qiao, Junfei et al. Soft Measuring Method of Dioxin Emission Concentration for MSWI Process Based on RF and GBDT [C] . 2020 : 2173-2178 . |
| MLA | Xia, Heng et al. "Soft Measuring Method of Dioxin Emission Concentration for MSWI Process Based on RF and GBDT" . (2020) : 2173-2178 . |
| APA | Xia, Heng , Tang, Jian , Qiao, Junfei , Yan, Aijun , Guo, Zihao . Soft Measuring Method of Dioxin Emission Concentration for MSWI Process Based on RF and GBDT . (2020) : 2173-2178 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
Dioxin (DXN) is a highly toxic pollutant emitted during municipal solid waste incinerator (MSWI) process. In the actual industrial process, DXN emission concentration is measured through offline experiment analysis, which has shortcomings such as long time and high cost. In this study, a soft-sensing model of DXN emission concentration was established by using MSWI process variables. Random forest (RF) and gradient boosting decision tree algorithms are used to construct ensemble learning-based DXN model. First, RF tree sub-models are constructed base on random sampling and CART regression tree. Then, Gradient boosting decision tree (GBDT) method is used to each RF sub-model, in which one gradient iteration is performed to reduce the prediction error. Finally, a simple average combination strategy is performed on these RF and GBDT based sub-models. Thus, the soft measuring model of DXN emission concentration based on small samples and high-dimensional MSWI process data is obtained. The proposed method can both reduce model variance and eliminate prediction bias. The experimental results show that the proposed method can further improve the prediction performance and generalization ability. © 2020 IEEE.
关键词 ：
Concentration (process) Concentration (process) Decision trees Decision trees Forecasting Forecasting Industrial emissions Industrial emissions Iterative methods Iterative methods Municipal solid waste Municipal solid waste Organic pollutants Organic pollutants Waste incineration Waste incineration
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | Xia, Heng , Tang, Jian , Qiao, Junfei et al. Soft Measuring Method of Dioxin Emission Concentration for MSWI Process Based on RF and GBDT [C] . 2020 : 2173-2178 . |
| MLA | Xia, Heng et al. "Soft Measuring Method of Dioxin Emission Concentration for MSWI Process Based on RF and GBDT" . (2020) : 2173-2178 . |
| APA | Xia, Heng , Tang, Jian , Qiao, Junfei , Yan, Aijun , Guo, Zihao . Soft Measuring Method of Dioxin Emission Concentration for MSWI Process Based on RF and GBDT . (2020) : 2173-2178 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
Dioxin (DXN) is a highly toxic and persistent pollutant discharged from municipal solid waste incineration (MSWI). The first principal model of DXN is difficult to establish due to the complex physical and chemical characteristics of the incineration process. In the practical process, DXN emission concentration is off-line detected with monthly or seasonal periods. Aim at such small sample modeling problem, a soft measuring method based on selective ensemble (SEN) least square support vector machine (LSSVM) for modeling DXN emission concentration is proposed. At first, candidate training sub-samples are produced from original training samples. Then, different candidate sub-sub-models based on the same kernel parameter and regularization parameter are constructed by using LSSVM. Thirdly, ensemble sub-models are selected by using the genetic algorithm optimization tool box and prior knowledge. Finally, these ensemble sub-models are combined by using partial least squares algorithm in terms of reduction con-linearity among different prediction outputs. Simulation results show effectiveness of the proposed approach by using dataset in reference [18]. © 2018 Technical Committee on Control Theory, Chinese Association of Automation.
关键词 ：
Genetic algorithms Genetic algorithms Least squares approximations Least squares approximations Municipal solid waste Municipal solid waste Organic pollutants Organic pollutants Support vector machines Support vector machines Waste incineration Waste incineration
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | Tang, Jian , Qiao, Junfei , Guo, Zihao et al. Dioxin Emission Concentration Soft Measuring Method Based on Selective Ensemble Least Square Support Vector Machine Algorithm [C] . 2018 : 7969-7974 . |
| MLA | Tang, Jian et al. "Dioxin Emission Concentration Soft Measuring Method Based on Selective Ensemble Least Square Support Vector Machine Algorithm" . (2018) : 7969-7974 . |
| APA | Tang, Jian , Qiao, Junfei , Guo, Zihao , Yan, Aijun . Dioxin Emission Concentration Soft Measuring Method Based on Selective Ensemble Least Square Support Vector Machine Algorithm . (2018) : 7969-7974 . |
| 导入链接 | NoteExpress RIS BibTex |
导出
| 数据： |
选中 到 |
| 格式： |
