- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于时延支持向量回归的射频功率放大器动态行为建模
摘要： 本文提出了一种基于时延支持向量回归（SVR）方法的新型动态行为建模技术。作为先进的机器学习算法，SVR方法综合考虑器件非线性和记忆效应，为射频功率放大器（PA）的行为建模提供了有效方案。该技术阐述了基本建模原理并详述了模型提取流程。与传统人工神经网络（ANN）需耗时确定最佳模型配置不同，SVR通过网格搜索技术可快速获得最优模型。文中还给出了针对射频PA的最优SVR模型选择实例——与默认SVR模型相比，所选模型性能显著提升。实验采用LDMOS PA、单管氮化镓（GaN）PA及Doherty GaN PA进行验证，证明新建模方法具有高效精准的预测能力。相较于传统Volterra模型、标准分段线性模型及基于ANN的模型，本SVR模型在合理复杂度下实现了更优性能。此外研究表明，该模型能准确预测PA在不同于建模输入功率电平下的工作行为。
关键词： 时间延迟、射频（RF）功率放大器（PAs）、机器学习、动态行为模型、支持向量回归（SVR）
更新于2025-09-23 15:23:52
-
用于盲图像质量评估的局部特征描述符和导数滤波器
摘要： 本文提出了一种新型盲图像质量评估（BIQA）技术，可对失真图像进行自动且可重复的评价。该方法通过局部特征捕捉不同阶图像导数携带的信息用于图像质量预测。鉴于典型局部特征描述符旨在确保鲁棒的图像块表征，本文提出一种新描述符，能额外突出经滤波增强的局部差异。此外，还引入了一组导数核函数。最终采用支持向量回归（SVR）技术将描述特征的统计量映射为主观评分，从而为图像提供客观质量分数。在主流IQA图像数据集上的大量实验验证表明，该方法优于当前最先进的基于手工设计和深度学习的BIQA评测方法。
关键词： 局部特征、特征描述符、支持向量回归、导数滤波器、盲图像质量评估
更新于2025-09-23 15:22:29
-
基于机器学习技术的短期日前太阳辐射预测
摘要： 太阳能发电预测任务对于保障电网稳定性、实现最优机组组合及经济性调度至关重要。每年都有最新技术和方法涌现，以提升模型的精确度，其核心目标是降低预测中的不确定性。本文旨在汇总太阳能发电预测领域的主要知识，聚焦最新进展与未来趋势。 首先，通过分析经济效益阐述了实现精准预测的必要性。我们采用机器学习技术，探寻最优预测模型。通过对构建预测模型的多种回归技术进行比较（包括线性最小二乘法和使用多核函数的支持向量机），并在实验中分析次日太阳辐射数据的预测结果，发现机器学习方法对短期太阳辐射预测具有可行性。所提出的模型与除一个方案外的其他对比模型相比，将均方根误差降低了约29%。
关键词： 预测、支持向量回归、可再生能源、短期、机器学习
更新于2025-09-23 15:22:29
-
[IEEE 2018年第18届地中海微波研讨会(MMS) - 土耳其伊斯坦布尔(2018.10.31-2018.11.2)] 2018年第18届地中海微波研讨会(MMS) - 基于PSO方法结合RBF与小波核函数的SVR模型实现圆柱-矩形环微带共形天线综合
摘要： 本文提出了一种基于粒子群优化（PSO）和支持向量回归（SVR）模型的圆柱-矩形环微带共形天线综合方法。通过训练后的SVR模型进行PSO优化获取天线谐振频率。SVR模型中采用径向基函数（RBF）和小波核函数。给出了仿真示例并对比了结果。
关键词： 支持向量回归、矩形环微带天线、粒子群优化、小波核函数、共形天线
更新于2025-09-23 08:14:10
-
利用激光诱导击穿光谱法对煤炭特性进行定量分析的改进测量方法
摘要： 实现火电厂燃煤特性的快速或在线分析对燃烧优化具有重要意义。本研究确定了一套基于激光诱导击穿光谱（LIBS）的校准方案，以提高煤质定量分析（包括工业分析：发热量、灰分、挥发分；元素分析：碳和氢）的测量精度。首先通过比较不同归一化方法（通道归一化与全谱面积归一化）结合两种回归算法（偏最小二乘回归[PLSR]和支持向量回归[SVR]），初步筛选各指标的适用校准方法；继而研究小波阈值去噪（WTD）对定量分析的影响，最终确定各指标的分析方案。结果表明：WTD耦合SVR可较好预测发热量和灰分（预测均方根误差RMSEP分别为0.80 MJ·kg?1和0.60%）；WTD与PLSR联用对挥发分测量效果最佳（RMSEP为0.76%）；碳和氢的定量分析采用全谱面积归一化结合SVR获得更优结果（RMSEP分别为1.08%和0.21%）。验证集对应指标的平均相对标准偏差（RSD）分别为：发热量0.26 MJ·kg?1、灰分0.57%、挥发分0.79%、碳0.47%、氢0.08%。研究证实，针对各指标选择合适的光谱预处理方法与校准策略，能有效提升煤质特性测量的准确性与精密度。
关键词： 偏最小二乘回归（PLSR）、定量分析、归一化、激光诱导击穿光谱（LIBS）、煤炭特性、支持向量回归（SVR）、小波阈值去噪（WTD）
更新于2025-09-19 17:13:59
-
机器学习用于定制单壁碳纳米管薄膜的光电特性
摘要： 采用一种机器学习技术——支持向量回归法，以提升单壁碳纳米管（SWCNT）薄膜在透明导电应用中的性能。我们收集了全面的数据集，这些数据描述了合成参数（温度和二氧化碳浓度）对通过半工业气溶胶（浮动催化剂）化学气相沉积法制备的SWCNT薄膜等效方块电阻（在可见光范围内透射率为90%时）的影响，该制备方法以一氧化碳为碳源、二茂铁为催化剂前驱体?；诟檬菁盗返玫降脑げ饽Ｐ椭饕视糜谟呕铣商跫?，从而提升多参数过程（如纳米管生长）的先进光电性能。进一步用四氯金酸对改进后的碳纳米管薄膜进行掺杂后，其等效方块电阻达到39 Ω/□——这是迄今为止SWCNT薄膜实现的最低值之一。
关键词： 透明导电薄膜、支持向量回归、单壁碳纳米管、光电性能、机器学习
更新于2025-09-19 17:13:59
-
[2019年IEEE第四届信号与图像处理国际会议(ICSIP) - 中国无锡 (2019.7.19-2019.7.21)] 2019年IEEE第四届信号与图像处理国际会议(ICSIP) - 基于主成分分析和支持向量回归的PAM4光通信系统性能监测
摘要： 作为主流的信号传输技术，PAM4已广泛应用于中短距离光通信网络。尽管现有性能监测技术，但针对PAM4光网络资源利用率提升及监测效果优化仍需深入研究。本文通过搭建PAM4光通信系统并设置相关参数，生成非线性光纤环境下色度色散(CD)与光信噪比(OSNR)的实验数据；继而构建异步幅度直方图提取实验数据特征向量，采用主成分分析技术将特征向量维度降低20.8%；最终将降维结果作为支持向量回归算法输入，实现CD与OSNR的预测。预测误差范围分别为CD(-0.02至0.02 dB)、OSNR(-0.8至0.8 ps/nm)。仿真表明该方法能有效精准监测PAM4光通信系统性能，亦可推广至PAM-N光通信系统性能监测。
关键词： 主成分分析、PAM4、异步幅度直方图、支持向量回归、性能监测
更新于2025-09-16 10:30:52
-
提升光伏发电资源预测精度的集成模型权重因子选择
摘要： 在可再生能源中，太阳能正迅速发展成为未来电力系统的主要电源。然而受天气因素影响，太阳能发电存在不确定性，若未来其渗透率持续提高，可能降低电力系统的可靠性。为提升电网运行稳定性，需开展精准的太阳能发电预测研究?；诤夥缯镜氖抵な荩颐嵌?016年进行了短期发电量预测。通过支持向量回归（SVR）模型、朴素贝叶斯分类器（NBC）和小时回归模型进行光伏发电预测，并提出包含各模型权重因子选择的集成方法以提高预测精度。采用归一化平均绝对误差（NMAE）相对于电站容量的方式评估预测误差。该集成方法通过以各预测模型误差标准差的倒数作为权重进行加权计算，从而提升了光伏发电预测的准确性。
关键词： 支持向量回归、朴素贝叶斯分类器、太阳能发电预测、机器学习、集成方法、日前功率预测
更新于2025-09-11 14:15:04
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于模型驱动的哨兵一号雪水当量反演方法
摘要： 本文提出了一种针对哨兵1号（S-1）数据的新颖积雪湿度反演方法。该方法利用水文气候模型AMUNDSEN提供的雪特性信息（通过不同语义层面的对比验证），训练出一个能够有效利用S-1双极化信息的回归器。文中讨论了奥地利罗芬塔尔地区的初步反演结果。
关键词： 支持向量回归、雪湿度、物理雪模型、合成孔径雷达图像
更新于2025-09-10 09:29:36
-
基于仿生模式识别技术的光学软传感器形状感知，实现智能飞行器"飞行触觉"能力
摘要： 预测由非自然弯曲现象导致的结构失效时，必须掌握大型复杂系统中的形变信息。用于构建全局表面图像的形状预测传感系统需要高精度和低时间延迟。本研究提出了一种独特的仿生训练机制，用于光纤光栅结构的支撑向量回归形状传感。实验验证包括在不同位置加载的简支梁，以及承受不同类型弯曲的飞机机翼模型。通过专门改进的支撑向量回归，根据相应光纤光栅的波长偏移量，解析了梁长度指定位置及机翼双表面的形变量。该方法展现出高精度、低计算需求和更快的预测速度。所提出的仿生训练方法也与两种传统训练方法进行了对比。
关键词： 光纤布拉格光栅、解码变量、形状传感、光学软传感器、仿生多目标单模型、支持向量回归
更新于2025-09-10 09:29:36