首页> 外文OA文献 >Reconstruct the Support Vectors to Improve LSSVM Sparseness for Mill Load Prediction

【2h】

Reconstruct the Support Vectors to Improve LSSVM Sparseness for Mill Load Prediction

机译：重建支撑载体以改善MINL负荷预测的LSSVM稀疏性

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者
Gangquan Si; Jianquan Shi; Zhang Guo; Lixin Jia; Yanbin Zhang;
展开▼
作者单位

展开▼
年度 2017
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. Reconstruct the Support Vectors to Improve LSSVM Sparseness for Mill Load Prediction [J] . Si Gangquan, Shi Jianquan, Guo Zhang, Mathematical Problems in Engineering . 2017,第pta7期

机译：重建支持向量以提高LSSVM稀疏度，以预测轧机负荷
2. A water quality prediction model based on variational mode decomposition and the least squares support vector machine optimized by the sparrow search algorithm (VMD-SSA-LSSVM) of the Yangtze River, China [J] . Chenguang Song, Leihua Yao, Chengya Hua, Environmental Monitoring and Assessment . 2021,第6期

机译：基于变分模式分解的水质预测模型及大广场优化的扬子搜索算法（VMD-SSA-LSSSVM）优化
3. Effective fault prediction model developed using Least Square Support Vector Machine (LSSVM) [J] . Lov Kumar, Sai Krishna Sripada, Ashish Sureka, The Journal of Systems and Software . 2018,第MARa期

机译：使用最小二乘支持向量机（LSSVM）开发的有效故障预测模型
4. Density Clustering Pruning Method Based on Reconstructed Support Vectors for Sparse LSSVM [C] . SI Gangquan, SHI Jianquan, GUO Zhang, Chinese Control and Decision Conference . 2016

机译：基于重构支持向量的稀疏LSSVM的密度聚类修剪方法
5. Reconstructing U.S. Recession Probabilities Using Support Vector Machines. [D] . Garagulagian, Roman. 2016

机译：使用支持向量机重建美国经济衰退的可能性。
6. Improving model predictions for RNA interference activities that use support vector machine regression by combining and filtering features [O] . Andrew S Peek 2007

机译：通过组合和过滤特征使用支持向量机回归来改进RNA干扰活动的模型预测
7. Prediction of load-carrying capacity of piles using a support vector machine and improved data collection [O] . Kordjazi A., Pooya Nejad F., Jaksa M.B. 2015

机译：用支持向量机预测桩的承载力和改进数据收集

Reconstruct the Support Vectors to Improve LSSVM Sparseness for Mill Load Prediction

著录项

引文网络

相似文献

相关主题

期刊订阅