- 最近
- 已收藏
- 排序
- 筛选
- 101
- 17
- 2
- 2
- 2
- 1
- 1
- 1
- 15
- 11
- 10
- 8
- 7
- 中文期刊
- 刊名
- 作者
- 作者单位
- 收录源
- 栏目名称
- 语种
- 主题词
- 外文期刊
- 文献类型
- 刊名
- 作者
- 主题词
- 收录源
- 语种
- 学位论文
- 授予学位
- 授予单位
- 会议论文
- 主办单位
- 专 利
- 专利分类
- 专利类型
- 国家/组织
- 法律状态
- 申请/专利权人
- 发明/设计人
- 成 果
- 鉴定年份
- 学科分类
- 地域
- 完成单位
- 标 准
- 强制性标准
- 中标分类
- 标准类型
- 标准状态
- 来源数据库
- 法 规
- 法规分类
- 内容分类
- 效力级别
- 时效性
【中文期刊】 《浙江大学学报B(英文版)》 2005年6卷6期 491-495页 SCIMEDLINEISTICCSCDCABP
【摘要】 Least squares support vector machines (LS-SVMs), a nonlinear kemel based machine was introduced to investigate the prosp...
【关键词】 Least squares support vector machines (LS-SVMs); Water vapor and carbon dioxide fluxes exchange; Radial basis function (RBF) neural networks;
【中文期刊】 曾燕 成新文 等 《湖北农业科学》 2015年54卷6期 1486-1489页
【摘要】 利用混合蛙跳算法(SFLA)对最小二乘支持向量机(LSSVM)的参数进行优化,建立了一种基于混合蛙跳算法和最小二乘支持向量机的芹菜总黄酮提取预测模型.仿真结果表明,该预测模型提高了预测精度,性能更加稳定,为芹菜总黄酮提取的在线预估和优化控制...
【中文期刊】 郭正红 赵丙辰 《计算机工程与应用》 2013年22期 146-149页
【摘要】 为了提高脑CT图像的分类正确率,针对分类器中的最小二乘支持向量机(LSSVM)参数优化问题,提出一种改进和声搜索算法优化LSSVM的脑CT图像分类模型(IHS-LSSVM)。将LSSVM参数看作不同乐器的声调组合,通过和声搜索算法的“调音”...
【中文期刊】 《浙江大学学报A(英文版)》 2007年8卷8期 1246-1255页
【摘要】 This paper presents an effective and efficient combination of feature extraction and multi-class classifier for motion c...
【关键词】 Electromyografic signal; Empirical mode decomposition (EMD); Auto-regression model;
【中文期刊】 戚岑聪 林兆洲 等 《世界科学技术-中医药现代化》 2015年17卷3期 643-647页 ISTICPKUCSCD
【摘要】 目的:考察近红外光谱分析(NIR)技术结合最小二乘支持向量机(LS-SVM)用于六神曲发酵过程质量监测的适用性.方法:利用近红外光谱仪获取67个发酵过程六神曲样品在400-2 500 nm范围内的光谱数据,并用Folin-酚法与DNS法分别...
【中文期刊】 许莉莉 师炜 等 《中国医疗设备》 2017年32卷4期 38-41页 ISTIC
【摘要】 目的 将最小二乘支持向量机引入心音的分类识别,优化其参数设置,获得最优的分类结果 .方法 本文通过医院采集和网络下载获得99例心音信号,每个信号提取两个长度为5 s的样本,共198个样本,均分为3个集合.对每个样本采用sym6小波基进行小...
【中文期刊】 蒲秀娟 曾孝平 等 《电子与信息学报》 2009年31卷12期 2941-2947页
【摘要】 该文针对胎儿心电信号难以提取的问题,提出一种从母体腹壁混合信号中提取胎儿心电信号的方法.首先利用最小二乘支持向量机(LSSVM)拟合母体心电信号传导至腹壁所经历的非线性变换,然后将母体心电信号经由所拟合的非线性变换得到腹壁混合信号中的母体心...
【中文期刊】 吴莎 刘启安 等 《中草药》 2015年46卷7期 990-997页 ISTICPKUCSCDCA
【摘要】 目的 应用近红外(NIR)光谱技术建立热毒宁注射液栀子中间体纯化工艺关键质控成分的定量分析模型.方法 测定样品中山栀苷、京尼平苷酸、去乙酰车叶草酸甲酯、京尼平龙胆双糖苷、栀子苷、绿原酸和总酸的量,扫描NIR光谱,经过异常点的剔除、最佳光谱预...
【关键词】 近红外光谱; 偏最小二乘法; 最小二乘支持向量机法;
【中文期刊】 杨一 张淑娟 等 《现代食品科技》 2015年31卷8期 323-328页
【摘要】 为了实现轻微损伤郎枣的快速无损检测,以完好和轻微损伤郎枣为研究对象,动态采集其可见/近红外光谱数据.依据光谱波段定义将采集的光谱数据分为可见光(Vis)、短波近红外(SW-NIR)、长波近红外(LW-NIR)、可见/短波近红外(Vis/SW...
【中文期刊】 张瑜 谈黎虹 等 《现代食品科技》 2014年30卷10期 263-267页
【摘要】 多源光谱分析技术被用于鱼油品牌快速无损鉴别.采用可见光谱分析技术、短波近红外光谱分析技术、长波近红外光谱分析技术、中红外光谱分析技术和核磁共振光谱分析技术采集了7种不同品牌的鱼油的光谱特征,并应用偏最小二乘判别分析法(partial lea...
【中文期刊】 李肃义 嵇梦颖 等 《分析测试学报》 2016年35卷1期 91-95页
【摘要】 基于前列腺癌检测中获取的表面增强激光解吸/离子化飞行时间质谱(SELDI-TOF-MS)数据,提出一种概率主成分分析(PPCA)联合支持向量机(SVM)的分类方法.对临床322例血清样本的质谱数据进行特征提取,以随机选取训练样本集(225例...
【中文期刊】 苏高利 秦钟 等 《生物数学学报》 2007年22卷1期 171-177页 ISTIC
【摘要】 支持向量机是在统计学习理论基础上发展起来的一种新型的机器学习方法,已在模式识别、非线性建模等领域中得到了应用.本文将最小二乘支持向量机方法应用于农田水汽通量的建模中,并同前馈反向传播神经网络的建模性能进行了比较.结果表明,最小二乘支持向量机...
【中文期刊】 朱向荣 单杨 等 《光谱学与光谱分析》 2009年29卷9期 2471-2474页
【摘要】 应用近红外光谱技术结合最小二乘支持向量机建立了国公洒中橙皮苷含量的模型.利用Kemard-Stone法对训练集样本进行划分,对光谱数据预处理方法进行了选择,比较了平滑、范围标度化、自标度化、一阶微分、二阶微分以及这几种预处理相互结合的六种方...
【中文期刊】 朱向荣 李娜 等 《分析化学》 2008年36卷6期 770-774页
【摘要】 采用一阶导数数据预处理,最小二乘支持向量机(LS-SVM)紫外可见光谱建模,对清开灵注射液四混中间体进行质量评价.以二次网格法和十折交叉验证法优化建模参数,预测集的总正确率和接受器工作特性曲线(ROC)下面积分别可达98.0%和0.983....
【中文期刊】 虞科 程翼宇 《分析化学》 2006年34卷4期 561-564页
【摘要】 将最小二乘支持向量机(LSSVM)用于近红外(NIR)光谱分析,建立一种新型的NIR 光谱快速鉴别方法.以丹参药材道地性鉴别为例,对其NIR 漫反射光谱进行主成分分析后,运用LSSVM 法建立NIR 光谱非线性分类模型,对丹参药材道地性进行...
【会议论文】Lili Xi 第十二届全国计算(机)化学学术会议 2013年
【关键词】 Protein folding kinetics pathway; Amino acid properties; Support Vector Machine-Recursive Feature Elimination(SVM-RFE);
【会议论文】Zuriani Mustaffa 2010 International Conference on Business and Economics Research(ICBER 2010) 2010年
【摘要】 In Malaysia, dengue fever (DF) and the potentially fatal dengue hemorrhagic fever (DHF) remain to be a significant publi...
【关键词】 Least Squares Support Vector Machines; Support Vector Machines; Neural Network Model;
【外文期刊】 Daniel C Weaver ; 《Current opinion in chemical biology》 2004年8卷3期 264-270页 SCISCIEMEDLINE
【关键词】 ANN; artificial neural network; BKD;
【外文期刊】 Patidar, Shivnarayan ; Panigrahi, Trilochan ; 《Biomedical signal processing and control》 2017年34卷Apr.期 74-80页
【关键词】 Electroencephalogram (EEG) signal; Epilepsy; Tunable -Q wavelet transform (TQWT);
【外文期刊】 Kandpal Lalit Mohan ; Tewari Jagdish ; 等 2018年1卷1期 1-9页
【关键词】 API concentration map; API prediction; hyperspectral imaging;
【外文期刊】 Changfang Zhu ; Burnside, E.S. ; 等 《IEEE Transactions on Biomedical Engineering》 2009年56卷10期 2518-2528页
【关键词】 biological organs; biomedical optical imaging; cancer;
【外文期刊】 Mohsen Shahlaei ; Afshin Fassihi ; 《Medicinal chemistry research: an international journal for rapid communications on design and mechanisms of action of biologically active agents》 2013年22卷9期 4384-4400页 SCISCIEMEDLINE
【关键词】 Quantitative structure activity relationship; Multivariate linear regression; Least square support vector machine;
【外文期刊】 Singh, Pushpendra ; Pachori, Ram Bilas ; 《Journal of mechanics in medicine and biology》 2017年17卷7期 1740002-1740002页 SCISCIE
【关键词】 Focal and nonfocal electroencephalogram (EEG) signals; mean-frequency and root-mean-square bandwidth features; EEG rhythms;
【外文期刊】 Duan Li ; Hongxin Zhang ; 等 《Biomedical signal processing and control》 2018年41卷Mar.期 222-232页
【关键词】 Motor imagery brain-computer interface; Common spatial pattern; Least squares twin support vector machine;
【外文期刊】 Qiu, Shuang ; Feng, Jing ; 等 《IEEE transactions on neural systems and rehabilitation engineering: a publication of the IEEE Engineering in Medicine and Biology Society》 2017年25卷5期 62-70页
【关键词】 Least squares support vector machine (LS-SVM); muscle thickness; neuromuscular electrical stimulation (NMES);
【外文期刊】 Hou TJ ; Zhang W ; 等 《Journal of Molecular Biology》 2008年376卷4期 1201-1214页 SCISCIEMEDLINE
【关键词】 energetic component analysis; molecular interaction energy; component;
【外文期刊】 C. Lu ; T. Van Gestel ; 等 《Artificial intelligence in medicine》 2003年28卷3期 281-306页 SCISCIEMEDLINE
【关键词】 ovarian tumor classification; least squares support vector machines; bayesian evidence framework;
【外文期刊】 Avci,E. ; 《Journal of medical systems》 2012年36卷3期 2005-2009页 SCISCIEMEDLINE
【关键词】 Expert diagnosis system; General discriminant analysis; Least squares support vector machine classifier;