首页 > 《中国电子科学研究院学报》 > 2011年5期 > 干扰识别的量子粒子群和支持向量机算法

干扰识别的量子粒子群和支持向量机算法

在线阅读下载PDF 导出详情

摘要根据支持向量机结构风险最小化原则和量子粒子群快速全局优化的特点,提出了干扰样式识别的QPSO-SVM算法。采用量子粒子群算法优化支持向量机参数,建立了干扰样式特征组分识别的模型,经过仿真试验,表明该算法具有识别率高,计算时间短的优点。

DOI ojzpl57y45/1014446

作者张光辉;程昱

机构地区不详

出处《中国电子科学研究院学报》 2011年5期

关键词干扰识别量子粒子群支持向量机

分类 [电子电信][物理电子学]

出版日期 2011年05月15日（中国期刊网平台首次上网日期，不代表论文的发表时间）

相关文献

1巩文龙;常军;刘大山;康小明. 基于量子粒子群优化算法的结构损伤识别.控制理论与控制工程,2015-05.
2刘刚邱冬. 基于离散量子粒子群算法的配电网重构.电力系统及自动化,2015-11.
3陈耀民. 基于改进量子粒子群算法的配电网络重构.电力系统及自动化,2019-01.
4张乔. 改进粒子群算法优化支持向量机预测模型的研究.建筑技术科学,2020-09.
5娄坤. 基于量子粒子群算法优化的平面连杆压力机构优化研究.高等教育学,2018-08.
6朱宝. 基于粒子群算法优化的模糊支持向量机的盾构隧道地质变形预测研究.教育学,2017-06.
7曾静周汝翰. 一种基于能量特征向量和粒子群优化支持向量机的变压器励磁涌流识别新方法.电力系统及自动化,2018-12.
8贾娜;叶尔兰. 粒子群优化算法简介.计算机科学与技术,2010-04.
9孙灏. 基于特征学习与支持向量机的仪表识别算法.高等教育学,2018-02.
10admin. 求解非线性方程组的量子行为粒子群算法.文化科学,2019-07.

来源期刊

中国电子科学研究院学报

相关推荐

同分类资源更多

相关关键词

干扰识别量子粒子群支持向量机

返回顶部