期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于优化支持向量机的小麦最低收购价预测 预览 被引量:1
1
作者 谢申 叶生波 +3 位作者 王学梅 何红霞 钱彬彬 杨宝华 《洛阳理工学院学报:自然科学版》 2018年第1期68-72,共5页
以2005年-2016年小麦最低收购价为因变量,影响粮食最低收购价相关因素为自变量,构建基于支持向量机(SVM)的粮食最低收购价预测模型,并采用遗传算法(GA)对支持向量机参数进行优化。结果表明,支持向量机能够很好地预测粮食最低收... 以2005年-2016年小麦最低收购价为因变量,影响粮食最低收购价相关因素为自变量,构建基于支持向量机(SVM)的粮食最低收购价预测模型,并采用遗传算法(GA)对支持向量机参数进行优化。结果表明,支持向量机能够很好地预测粮食最低收购价,且预测2017年小麦最低收购价在120.88元L/50kg上下浮动。 展开更多
关键词 支持向量机 遗传算法 粮食最低收购价 预测
在线阅读 下载PDF
基于改进的YUV_Vibe融合算法的运动目标检测 被引量:1
2
作者 谢申 叶生波 +2 位作者 杨宝华 王学梅 何红霞 《激光与光电子学进展》 CSCD 北大核心 2018年第11期147-154,共8页
针对视觉背景提取(vibe)算法不能有效地去除目标阴影以及不能快速消除鬼影现象的缺点,提出了一种改进的YUV_Vibe融合算法。该方法通过扩大样本的邻域选取范围,从而有效避免了同一样本重复选取;将更新因子从16调整至4,且将样本更... 针对视觉背景提取(vibe)算法不能有效地去除目标阴影以及不能快速消除鬼影现象的缺点,提出了一种改进的YUV_Vibe融合算法。该方法通过扩大样本的邻域选取范围,从而有效避免了同一样本重复选取;将更新因子从16调整至4,且将样本更新个数变为2,提高背景更新速率,加快鬼影现象消除速率;将YuV颜色信息特征与Vibe相融合,消除了阴影影响;通过融合双模型的构建,有效地减少了阴影误检测率。通过视频数据集对算法进行实验论证,检测结果表明,改进了的YuV_Vibe融合算法在准确度与识别率上都有提高,且实验检测的结果更准确。 展开更多
关键词 目标检测 YUV_Vibe算法 YUV颜色空间 阴影去除 鬼影现象
基于时间序列的小波神经网络蔬菜价格预测模型 预览
3
作者 钱彬彬 谢申 杨宝华 《洛阳理工学院学报:自然科学版》 2016年第4期63-67,共5页
为准确预测蔬菜价格变化规律,现以合肥市周谷堆农产品批发市场2005年~2014年白菜月度市场价格及相关影响因素数据为样本,通过主成分分析,利用小波神经网络智能分析方法,构建基于小波神经网络的价格预测模型,并与BP神经网络模型比较。结... 为准确预测蔬菜价格变化规律,现以合肥市周谷堆农产品批发市场2005年~2014年白菜月度市场价格及相关影响因素数据为样本,通过主成分分析,利用小波神经网络智能分析方法,构建基于小波神经网络的价格预测模型,并与BP神经网络模型比较。结果表明,小波神经网络预测模型的预测精度比BP神经网络更高,且更加的稳定。该模型的构建对蔬菜价格的稳定、农业管理部门的决策支持具有重要的理论研究意义和实际价值。 展开更多
关键词 蔬菜价格 主成分分析 小波神经网络 预测模型
在线阅读 下载PDF
基于LIBSVM的PM2.5浓度预测模型 预览 被引量:3
4
作者 谢申 钱彬彬 杨宝华 《洛阳理工学院学报:自然科学版》 2017年第2期9-12,共4页
建立基于LIBSVM的PM2.5浓度预测模型,对合肥市5个监测点的PM2.5小时平均浓度值进行预测,分析了不同污染物浓度和不同天气状况下的预测误差。结果表明:LIBSVM模型对5个监测点的PM2.5预测结果稳定,平均绝对误差为4.7631ug/m^3;... 建立基于LIBSVM的PM2.5浓度预测模型,对合肥市5个监测点的PM2.5小时平均浓度值进行预测,分析了不同污染物浓度和不同天气状况下的预测误差。结果表明:LIBSVM模型对5个监测点的PM2.5预测结果稳定,平均绝对误差为4.7631ug/m^3;在输入参数污染物浓度较低和不利于污染物扩散的条件下预测误差较小,在输入参数污染物浓度较大和有利于污染物扩散的条件下预测误差较大。LIBSVM模型能够很好地对PM2.5浓度进行预测,且输入参数对于模型的预测效果具有较大影响。 展开更多
关键词 PM2.5 小时平均浓度 LIBSVM 预测模型
在线阅读 下载PDF
基于SMOreg的早稻最低收购价预测模型 预览
5
作者 何红霞 谢申 +3 位作者 杨玉洁 王康宁 钱彬彬 杨宝华 《洛阳理工学院学报:自然科学版》 2017年第4期55-59,共5页
构建基于SMOreg的早稻最低收购价预测模型,对全国2006年~2016年的早稻最低收购价格进行预测。结果表明:SMOreg模型对早稻最低收购价格的预测结果稳定,预测精度高,其平均绝对误差达到6.6761。所以,SMOreg模型能够很好地对早稻最... 构建基于SMOreg的早稻最低收购价预测模型,对全国2006年~2016年的早稻最低收购价格进行预测。结果表明:SMOreg模型对早稻最低收购价格的预测结果稳定,预测精度高,其平均绝对误差达到6.6761。所以,SMOreg模型能够很好地对早稻最低收购价进行预测,且预测精度和可信性高。 展开更多
关键词 最低收购价 早稻 SMOreg 预测模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈