全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 飞机蒙皮对缝特征提取及间隙阶差分析方法
- 作者： 张波 来源： 南京航空航天大学 年份： 2020 文献类型 ： 学位论文 关键词： 主成分分析 支持向量机 特征提取 曲线离散 点云分割 误差分析
- 描述： 飞机蒙皮对缝特征提取及间隙阶差分析方法
- 飞机蒙皮对缝特征提取及间隙阶差分析方法
- 作者： 张波 来源： 南京航空航天大学 年份： 2020 文献类型 ： 学位论文 关键词： 主成分分析 支持向量机 特征提取 曲线离散 点云分割 误差分析
- 描述： 飞机蒙皮对缝特征提取及间隙阶差分析方法
- 基于随机森林的航空发动机工作状态识别
- 作者： 李鼎哲 彭靖波 赵泽平 王玮轩 赵彪 来源： 空军工程大学学报(自然科学版) 年份： 2020 文献类型 ： 期刊 关键词： 工作状态识别 主成分分析 航空发动机 随机森林 属性约简 飞参数据
- 描述： 为解决人工识别航空发动机工作状态中存在的误判和耗时费力等问题,提高识别准确率,提出了一种基于主成分分析(PCA)的特征提取方法和随机森林(RF)的智能识别方法。首先对飞参数据进行预处理,利用PCA将
- 基于随机森林的航空发动机工作状态识别
- 作者： 李鼎哲 彭靖波 赵泽平 王玮轩 赵彪 来源： 空军工程大学学报(自然科学版) 年份： 2020 文献类型 ： 期刊 关键词： 工作状态识别 主成分分析 航空发动机 随机森林 属性约简 飞参数据
- 描述： 为解决人工识别航空发动机工作状态中存在的误判和耗时费力等问题,提高识别准确率,提出了一种基于主成分分析(PCA)的特征提取方法和随机森林(RF)的智能识别方法。首先对飞参数据进行预处理,利用PCA将
- 基于CS-BPNN算法的飞机客舱PMV指标预测
- 作者： 侯启真 李泽 姬雨初 王阳 来源： 计算机仿真 年份： 2020 文献类型 ： 期刊 关键词： 预测误差 神经网络 布谷鸟搜索算法 预测平均投票数
- 描述： 针对飞机客舱热舒适度评价指标预测平均投票数(PMV)的各影响因素之间存在复杂的非线性和迭代求解关系问题,采用经布谷鸟搜索(CS)算法优化的BPNN来预测客舱PMV指标。通过对PMV模型参数分析,选出PMV主要影响因素作为预测模型的输入,利用CS算法的全局优化能力来解决BPNN易陷入局部最优及其收敛速度慢的问题,并对其初始阈值和权值进行优化。仿真结果表明,与GA-BPNN和PSO-BPNN相比,CS-BPNN预测模型具有较小的预测误差和良好的预测精度。所提方法在客舱PMV指标的预测中有较好的应用前景。
- 基于CS-BPNN算法的飞机客舱PMV指标预测
- 作者： 侯启真 李泽 姬雨初 王阳 来源： 计算机仿真 年份： 2020 文献类型 ： 期刊 关键词： 预测误差 神经网络 布谷鸟搜索算法 预测平均投票数
- 描述： 针对飞机客舱热舒适度评价指标预测平均投票数(PMV)的各影响因素之间存在复杂的非线性和迭代求解关系问题,采用经布谷鸟搜索(CS)算法优化的BPNN来预测客舱PMV指标。通过对PMV模型参数分析,选出PMV主要影响因素作为预测模型的输入,利用CS算法的全局优化能力来解决BPNN易陷入局部最优及其收敛速度慢的问题,并对其初始阈值和权值进行优化。仿真结果表明,与GA-BPNN和PSO-BPNN相比,CS-BPNN预测模型具有较小的预测误差和良好的预测精度。所提方法在客舱PMV指标的预测中有较好的应用前景。
- 基于CS-BPNN算法的飞机客舱PMV指标预测
- 作者： 侯启真 李泽 姬雨初 王阳 来源： 计算机仿真 年份： 2020 文献类型 ： 期刊 关键词： 预测误差 神经网络 布谷鸟搜索算法 预测平均投票数
- 描述： 针对飞机客舱热舒适度评价指标预测平均投票数(PMV)的各影响因素之间存在复杂的非线性和迭代求解关系问题,采用经布谷鸟搜索(CS)算法优化的BPNN来预测客舱PMV指标。通过对PMV模型参数分析,选出PMV主要影响因素作为预测模型的输入,利用CS算法的全局优化能力来解决BPNN易陷入局部最优及其收敛速度慢的问题,并对其初始阈值和权值进行优化。仿真结果表明,与GA-BPNN和PSO-BPNN相比,CS-BPNN预测模型具有较小的预测误差和良好的预测精度。所提方法在客舱PMV指标的预测中有较好的应用前景。
- 基于CS-BPNN算法的飞机客舱PMV指标预测
- 作者： 侯启真 李泽 姬雨初 王阳 来源： 计算机仿真 年份： 2020 文献类型 ： 期刊 关键词： 预测误差 神经网络 布谷鸟搜索算法 预测平均投票数
- 描述： 针对飞机客舱热舒适度评价指标预测平均投票数(PMV)的各影响因素之间存在复杂的非线性和迭代求解关系问题,采用经布谷鸟搜索(CS)算法优化的BPNN来预测客舱PMV指标。通过对PMV模型参数分析,选出PMV主要影响因素作为预测模型的输入,利用CS算法的全局优化能力来解决BPNN易陷入局部最优及其收敛速度慢的问题,并对其初始阈值和权值进行优化。仿真结果表明,与GA-BPNN和PSO-BPNN相比,CS-BPNN预测模型具有较小的预测误差和良好的预测精度。所提方法在客舱PMV指标的预测中有较好的应用前景。