共 9 条
- [9] The equivalence of support vector machine and regularization neural networks[J]. NEURAL PROCESSING LETTERS, 2002, 15 (02) : 97 - 104András, P
基于SVM的改进RBF网络板形模式识别方法
被引：12
作者：
何海涛
李楠
机构：
[1] 燕山大学信息工程学院
来源：
关键词：
板形模式识别;
RBF网络;
支持向量机;
模糊;
D O I：
10.16086/j.cnki.issn1000-0380.2007.05.001
中图分类号：
TG331 [轧制理论];
学科分类号：
摘要：
为了提高带钢生产中板形模式识别精度,提出了基于支持向量机(SVM)的改进径向基(RBF)网络板形模式识别方法,由SVM回归确定RBF网络优化的初始参数,解决了传统方法存在的学习时间长、易陷入局部极小值等问题。此外,分别将输入样本与一对互反的基本模式间的模糊距离之差作为RBF网络的三个输入,使输入节点减少一半,进一步简化了网络模型。实验表明,该方法有效地提高了模式识别精度和速度,可推广到其他具有两两互反性基本模式的模式识别系统中。
引用
收藏
页码：1 / 4+8
+8
页数：5
相关论文