导读:本文包含了核映射论文开题报告文献综述及选题提纲参考文献，主要关键词:极限学习机,核函数,遗忘因子,正则化
核映射论文文献综述
金秀章,张少康[1]（2019）在《基于核映射极限学习机的入口氮氧化物预测》一文中研究指出针对在线贯序极限学习机(OS-ELM)算法隐含层输出不稳定、易产生奇异矩阵和在线贯序更新时没有考虑训练样本时效性的问题,提出一种基于核函数映射的正则化自适应遗忘因子(FFOS-RKELM)算法.该算法利用核函数代替隐含层,能够产生稳定的输出结果.在初始阶段加入正则化方法,通过构造非奇异矩阵提高模型的泛化能力;在贯序更新阶段,通过新到的数据自动更新遗忘因子.将FFOS-RKELM算法应用到混沌时间序列预测和入口氮氧化物时间序列预测中,相比于OS-ELM、FFOS-RELM、OS-RKELM算法,可有效地提高预测精度和泛化能力.(本文来源于《控制与决策》期刊2019年01期）
柯赟,胡以怀,蒋佳炜,Elijah,Munyao,陈彦臻[2]（2018）在《基于小波包-AR谱和多核映射SVM气阀机构故障诊断》一文中研究指出利用小波包对非平稳信号故障特征提取的优越性和支持向量机适用于小样本学习的特性,针对柴油机气阀机构故障提出了一种基于小波包-AR谱分析和多核映射支持向量机相结合进行柴油机气阀机构故障诊断的方法。该方法采用小波包-AR谱分析提取频带能量为特征向量,利用多核映射支持向量机故障分类器实现对柴油机气阀机构故障分类。试验结果表明,小波包-AR谱分析和多核映射支持向量机能对柴油机气阀机构故障进行有效诊断,故障预报正确率为100%。(本文来源于《机电工程技术》期刊2018年10期）
周彤[3]（2018）在《考虑任务区间范围内动态变化特征片上网络核映射优化》一文中研究指出随着如今芯片产业的飞速发展,VLSI(超大规模集成电路设计)技术也不断发展,单一芯片上已经可以集成多个处理单元,传统的SoC的总线形式对于当今的传输数据规模来说有一定的局限性。于是在2000年,学者们提出了片上网络(NoC)概念,有效的解决了传统的SoC在目前发展中遇到的瓶颈。片上网络的结构具有良好的可拓展性,支持并行通信。随着IP核本身性能的不断优化,其处理能力已经不是制约系统发展的主要因素,如何实现海量数据传输的实时性成为了如今电子行业发展的亟待解决的问题,因此,片上网络成为了当今学术界的热门领域。片上网络设计中主要有确定拓扑结构,决定路由机制,将网络节点确定到选定的拓扑结构中这叁个方面,其中,片上网络的映射方案对整个片上网络的性能及稳定性的影响最大,所以片上网络的映射优化是如今片上网络研究的重要领域。片上网络的映射是指在给定了通信任务图与IP核集以及拓扑结构的基础上,根据系统所需满足的性能或特殊条件的优化目标。使IP核能够合理的分配到网格中的具体位置上,从而使片上网络的性能满足需求。本文论述了针对映射优化问题学者们做出的研究,有采用数学方法求得精确解的算法,也有加快求解效率的启发式算法。针对映射优化的目标不同,有的进行基于单一目标映射优化,有的学者考虑了多个方面进行优化研究。对片上网络映射优化研究中,有不同的评价指标,如能耗,时延吞吐量等,其中能耗问题是优化研究中的主要方面,降低能耗不仅可以防止因局部过热而降低芯片的可靠性,对于移动终端来说,还可以提高电池的续航能力。目前大部分的研究都是基于通讯任务是给定数据之间传输量的情况,而实际传输情况是数据会随时间变化而变化,作者以此为切入点,在基础的能耗模型上加入了数据传输波动的情况,将数据传输的按照时间间隔进行划分,并采用了 minmax(最小化最大负载机制)找到通讯最大的场景,对于该场景的能耗模型采用了改进的禁忌搜索算法进行求解,考虑到启发式算法存在的一些例如过早收敛,陷入局部最优等缺陷,在原始的算法中加入了贪心思想改进了初始解的选择,并对相关参数进行了优化。最终结合具体经典数据与随机数据进行了 12组仿真实验,论文比较了该算法与遗传算法与粒子群算法的映射结果的优劣,结果表明当实验数据规模较小时,叁种算法的结果是一样的,但是当数据规模较大时,禁忌搜索算法的结果与其他两种相比得到的方案更优,且更稳定。同时,还进行了叁组同一数据规模下的横向对比试验,从横向与纵向两方面进行对比。实验结果表明对于同一规模的问题来说,该算法在得出结论运行时间上的波动在3%-4%之间,能够保证算法在运行上的稳定性。(本文来源于《东北财经大学》期刊2018-11-01）
王强,吕政,王霖青,王伟[4]（2019）在《基于深度去噪核映射的长期预测模型》一文中研究指出针对最小二乘支持向量机核函数结构较浅对其长期预测模型精度的限制,采用深度学习中逐层特征提取的思想,提出基于深度去噪核映射的最小二乘支持向量机长期预测模型.该模型通过深度核网络的逐层变换,将样本数据映射到深度特征空间,从而有效提高其长期预测的精度.此外,为了提高模型对含高噪声数据的拟合性能,将去噪算法融入深度核网络的训练过程中,并通过反向传播算法对核网络参数进行整体微调.标准数据集及实际工业数据的仿真实验结果表明,所提方法能够有效提取数据中蕴含的特征信息,提高预测模型的精度.(本文来源于《控制与决策》期刊2019年05期）
马元元,郝海涛,杨延娇[5]（2017）在《基于局部线性重构与高斯核映射的聚类研究》一文中研究指出针对现有的基于约束的半监督聚类算法获得的聚类结果质量不足的问题,提出一种基于高斯核映射与局部线性重构的主动学习聚类算法。首先利用高斯核映射与局部线性嵌入进行流行学习,将对局部线性重构重要性过低以及非平坦区域的样本作为不重要的样本;然后,为查询选择设立了1个考虑样本所需查询数量的新判断条件;最终,建立must-link并将平坦区域的信息传递至半监督聚类算法。实验结果证明,对于小规模数据与大规模数据,该算法学习的成对约束均可获得较好的聚类结果。(本文来源于《控制工程》期刊2017年07期）
李玉鉴,张婷,胡海鹤[6]（2016）在《基于多层感知器的深度核映射支持向量机》一文中研究指出为改善支持向量机的性能,从深度学习的角度研究核学习的方法,提出了基于多层感知器的深度核映射支持向量机模型(deep kernel mapping support vector machine,DKMSVM)以及相应的学习算法.该模型首先通过多层感知器学习一个从原始输入空间到合适维度空间的核映射代替传统意义上的核函数,然后直接在合适维度空间使用支持向量机进行分类,而不是采用核技巧进行求解.实验结果验证了DKMSVM的有效性.(本文来源于《北京工业大学学报》期刊2016年11期）
李瑞[7]（2016）在《Quantale代数上的余核映射及代数理想》一文中研究指出Quantale是由Mulvey于1986年在研究非交换C*-代数的谱时首先引入的,其背景是给量子力学提供新的数学模型Quantale已被广泛地应用于非交换C*-代数、线性逻辑、环的理想理论和理论计算机科学.为了描述理论计算机中的进程语义,Abramsky和Vickers提出了Quantale模的概念Quantale模作为Quantale的推广,近年来受到了许多专家学者的关注Solovyov在Quantale和Quantale模的基础上引入了Quantale代数(简称Q-代数)的概念.目前,Quantale代数已成功应用到多值拓扑的研究中,并引起了国内外众多学者的关注.有关Quantale代数的大量新的观点及应用不断被揭示.本文将进一步研究Quantale代数上的余核映射及代数理想.主要内容安排如下：第一章：预备知识.介绍了Quantale及Quantale代数中的基本概念和相关知识.第二章Quantale代数上的余核映射.首先,讨论了Quantale代数上的核映射的若干性质和Quantale代数商；其次,在Quantale代数中引入了Quantale代数余核映射的概念,并讨论了它的若干性质；最后,研究了Quantale代数余核映射到单位Quantale代数与Girard Quantale代数的扩张问题.第叁章Quantale代数上的代数理想.首先引入了Quantale中理想的扩张的概念,讨论了其相关性质,通过理想的扩张构造了一个幂集Quantale上的同余；其次,在Quantale代数中研究了代数理想与同态之间的关系；最后,在Quantale代数中研究了代数理想与同余之间的关系以及Quantale代数乘积上的同余关系.(本文来源于《陕西师范大学》期刊2016-05-01）
李瑞[8]（2016）在《Q-代数上的余核映射》一文中研究指出利用Quantale中余核映射的思想和方法,在Q-代数中引入了Q-代数余核映射的概念,得到了Q-代数余核映射的若干性质,讨论了Q-代数余核映射到单位Q-代数与Girard Q-代数的扩张问题。(本文来源于《西北大学学报(自然科学版)》期刊2016年02期）
张迎春,郭禾,张丹枫[9]（2016）在《水平集图像分割核映射模型的改进》一文中研究指出为提高水平集演化迭代效率和图像分割质量,对核映射(KM)模型进行改进,依据粗糙集理论提出图像数据离散化的定义和方法。由于加权后的KM模型推导出的区域参数具有收敛性,且离散化后图像灰度均匀性有所提高,区域参数可以更好地表达对应演化区域的灰度值,使得图像能够被更精确地分割。在迭代演化过程中,加权后的KM模型对应的水平集权重最小值为1。权重值越大水平集元素更新与演化曲线收敛越快,原始KM模型对应的非加权水平集可看作是所有权重值为1的加权水平集,提出的方法能够以相对较高的迭代效率完成图像分割。合成图像和自然图像分割实验结果表明,改进后的水平集图像分割方法有更好的分割质量和迭代效率。(本文来源于《计算机工程》期刊2016年04期）
吴苏朋,赵彬[10]（2016）在《剩余格中基于核映射的滤子》一文中研究指出在剩余格中,基于核映射引入了对合滤子、扩展对合滤子、Glivenko滤子的概念,讨论了它们的性质且给出了它们的特征定理。分析了滤子的一种带有核映射的扩张形式的代数性质,得到了扩展对合滤子的应用。进一步,在MTL代数中引入了相对伪布尔滤子的概念,得到了相对伪布尔滤子的特征定理。(本文来源于《陕西师范大学学报(自然科学版)》期刊2016年02期）
核映射论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
利用小波包对非平稳信号故障特征提取的优越性和支持向量机适用于小样本学习的特性,针对柴油机气阀机构故障提出了一种基于小波包-AR谱分析和多核映射支持向量机相结合进行柴油机气阀机构故障诊断的方法。该方法采用小波包-AR谱分析提取频带能量为特征向量,利用多核映射支持向量机故障分类器实现对柴油机气阀机构故障分类。试验结果表明,小波包-AR谱分析和多核映射支持向量机能对柴油机气阀机构故障进行有效诊断,故障预报正确率为100%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
核映射论文参考文献
[1].金秀章,张少康.基于核映射极限学习机的入口氮氧化物预测[J].控制与决策.2019
[2].柯赟,胡以怀,蒋佳炜,Elijah,Munyao,陈彦臻.基于小波包-AR谱和多核映射SVM气阀机构故障诊断[J].机电工程技术.2018
[3].周彤.考虑任务区间范围内动态变化特征片上网络核映射优化[D].东北财经大学.2018
[4].王强,吕政,王霖青,王伟.基于深度去噪核映射的长期预测模型[J].控制与决策.2019
[5].马元元,郝海涛,杨延娇.基于局部线性重构与高斯核映射的聚类研究[J].控制工程.2017
[6].李玉鉴,张婷,胡海鹤.基于多层感知器的深度核映射支持向量机[J].北京工业大学学报.2016
[7].李瑞.Quantale代数上的余核映射及代数理想[D].陕西师范大学.2016
[8].李瑞.Q-代数上的余核映射[J].西北大学学报(自然科学版).2016
[9].张迎春,郭禾,张丹枫.水平集图像分割核映射模型的改进[J].计算机工程.2016
[10].吴苏朋,赵彬.剩余格中基于核映射的滤子[J].陕西师范大学学报(自然科学版).2016