基于粒子群优化支持向量机的纱线质量预测OACSTPCD
Yarn quality prediction based on support vector machine optimized by particle swarm optimization
针对复杂纺纱过程中成纱质量预测精度不足以及深度学习对庞大数据集依赖性的缺陷,提出一种基于粒子群算法优化支持向量机的小样本成纱质量预测方法.首先,对原始数据集样本序列进行灰色关联预处理,按照关联度大小进行排序,再结合先验知识库筛选出主要的原棉纤维指标;其次,针对小样本预测问题,建立了线性核、多项式核、高斯核以及自适应带宽RBF核等不同核函数支持向量回归(SVR)预测模型;最后,采用粒子群优化(PSO)算法对高斯核SVR模型的超参数(正则化系数和带宽…查看全部>>
In light of the insufficient prediction accuracy in yarn quality during complex spinning processes and the demand for large datasets,this study presents a small sample yarn quality prediction method by optimizing Support Vector Machines(SVR)using Particle Swarm Optimization(PSO).Firstly,the original dataset samples are preprocessed using grey relational analysis,and they are ranked based on their degrees of correlation.Combining this with prior knowledge,the…查看全部>>
章军辉;陈明亮;郭晓满;付宗杰;王静贤
常熟理工学院,江苏苏州,215500||无锡物联网创新中心有限公司,江苏无锡,214029||江苏省物联网创新中心昆山分中心,江苏苏州,215347中国科学院大学,北京,100049||无锡物联网创新中心有限公司,江苏无锡,214029||江苏省物联网创新中心昆山分中心,江苏苏州,215347无锡物联网创新中心有限公司,江苏无锡,214029||江苏省物联网创新中心昆山分中心,江苏苏州,215347无锡物联网创新中心有限公司,江苏无锡,214029||江苏省物联网创新中心昆山分中心,江苏苏州,215347无锡物联网创新中心有限公司,江苏无锡,214029||江苏省物联网创新中心昆山分中心,江苏苏州,215347
轻工业
支持向量机粒子群优化灰色关联纱线质量预测核函数
support vector machineparticle swarm optimizationgrey correlationyarn quality predictionkernel function
《棉纺织技术》 2024 (4)
16-22,7
江苏省博士后科研资助计划(2020Z411)
评论