我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

MEMS陀螺标度因数非线性误差补偿方法研究 下载：12 浏览：423

杜仁杰 苏中 刘宁 李羚 《传感器研究》 2019年7期

摘要:
在短时多变转速等高动态测量环境中,针对MEMS陀螺标度因数非线性误差使得载体姿态解算精度不理想问题,提出一种启发式分段回归拟合补偿方法。通过该方法可确定陀螺的线性区与非线性区;针对其数据特点建立连续的回归拟合模型。该方法可使标度因数非线性误差降低2个数量级,由15.71%降低到0.14%,耗时0.247 ms,满足高动态测量实时性要求。

回归核极限学习机的多标记学习算法 下载：89 浏览：469

王一宾1,2 程玉胜1,2 何月1 裴根生1 《人工智能研究》 2018年9期

摘要:
基于极限学习机(ELM)的多标记学习算法多使用ELM分类模式,忽略标记之间存在的相关性.为此,文中提出结合关联规则与回归核极限学习机的多标记学习算法(ML-ASRKELM).首先通过关联规则分析标记空间,提取标记之间的规则向量.然后通过提出的多标记回归核极限学习机(ML-RKELM)得出预测结果.若规则向量不为空,将规则向量与预测结果运算得出最终预测结果,否则最终结果即为ML-RKELM的预测结果.对比实验表明MLASRKELM与ML-RKELM性能较优,统计假设检验进一步说明文中算法的有效性.
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享