2025年2月1日
星期六
|
欢迎来到叙永县图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
地球空间环境与大地测量教育部重点实验室开放研究基金(08-01-04)
作品数:
1
被引量:2
H指数:1
相关作者:
吕开云
鲁铁定
更多>>
相关机构:
中国矿业大学(北京)
东华理工大学
更多>>
发文基金:
江西省自然科学基金
地球空间环境与大地测量教育部重点实验室开放研究基金
更多>>
相关领域:
天文地球
更多>>
相关作品
相关人物
相关机构
相关资助
相关领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
天文地球
主题
1篇
支持向量
1篇
支持向量机
1篇
主成分
1篇
主成分分析
1篇
向量
1篇
向量机
1篇
坝变形
1篇
大坝
1篇
大坝变形
机构
1篇
东华理工大学
1篇
中国矿业大学...
作者
1篇
鲁铁定
1篇
吕开云
传媒
1篇
测绘科学
年份
1篇
2011
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
利用PCA-SVM的大坝变形预测研究
被引量:2
2011年
主成分分析(PCA)能够有效地提取数据的特征信息,消除变量间的共线性,而将基于统计学习理论的支持向量机(SVM)用于数据建模具有显著的优点。本文将主成分分析应用到大坝变形影响因子的优化中,解决了由影响因子内部相关性而引入大量因子的问题,降低了输入维数,简化了输入结构。将简化后的数据作为SVM的输入因子,减少了SVM学习的时间,提高了拟合效率。试验结果表明该方法具有较高的预测精度和较强的泛化能力。
吕开云
鲁铁定
关键词:
主成分分析
支持向量机
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张