2025年1月8日
星期三
|
欢迎来到青海省图书馆•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
>
>
俞杰
作品数:
1
被引量:1
H指数:1
供职机构:
宁波市环境保护监测中心
更多>>
发文基金:
浙江省公益性技术应用研究计划项目
浙江省自然科学基金
更多>>
相关领域:
自动化与计算机技术
更多>>
合作作者
李海琴
宁波大学信息科学与工程学院
杨忠
宁波大学信息科学与工程学院
史旭华
宁波大学信息科学与工程学院
作品列表
供职机构
相关作者
所获基金
研究领域
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
自动化与计算...
主题
1篇
支持向量
1篇
支持向量机
1篇
支持向量机回...
1篇
向量
1篇
向量机
1篇
模糊C均值聚...
1篇
模糊聚类
1篇
聚类
1篇
均值聚类
1篇
PM
1篇
PM2.5
机构
1篇
宁波大学
1篇
宁波市环境保...
作者
1篇
史旭华
1篇
杨忠
1篇
俞杰
1篇
李海琴
传媒
1篇
宁波大学学报...
年份
1篇
2016
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
模糊聚类支持向量机的区域空气PM_(2.5)浓度预报
被引量:1
2016年
在分析模糊C均值聚类算法与支持向量机回归的特点后,将二者结合,提出了模糊聚类支持向量机回归(FCM-SVR)算法,对空气中颗粒物浓度PM2.5进行预测.该方法首先利用模糊C均值聚类算法把一个复杂的数据集分成多个群体,再在每个群体上建立支持向量机回归(SVR)模型,然后进行集成,对区域空气的PM2.5浓度进行预测.预测结果分别与自组织竞争神经网络支持向量机回归(SOM-SVR)模型和单一的支持向量机回归(SVR)的结果进行比较.结果表明,FCM-SVR模型的预报准确率高于SOM-SVR模型和SVR模型.
李海琴
杨忠
俞杰
史旭华
关键词:
模糊C均值聚类
支持向量机回归
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