搜索结果: 1-4 共查到“控制科学与技术 LS SVM”相关记录4条 . 查询时间(0.015 秒)
基于LCS和LS-SVM的多机器人强化学习
学习分类器 协同最小二乘支持向量机 强化学习 多机器人 Learning Classifier System LS-SVM Reinforcement Learning Multi-Robot
2014/6/20
本文提出了一种LCS和LS-SVM相结合的多机器人强化学习方法，LS-SVM获得的最优学习策略作为LCS的初始规则集。LCS通过与环境的交互，能更快发现指导多机器人强化学习的规则，为强化学习系统的动作选择提供实时、动态的反馈，使多机器人自主地学习到相互协作的最优策略。算法的分析和仿真表明多机器人学习空间大、学习速度收敛慢、学习效果不确定等问题得到很大的改善。This paper presents ...
为了提高基于Internet的网络控制系统中随机时延的预测精度,提出了基于经验模式分解(empirical mode decomposition,EMD)与最小二乘支持向量机(Least Squared Support Vector Machines,LS-SVM)的一步时延预测方法.首先利用EMD将时延序列分解成若干个本征模式函数分量,分解后的分量去除了原始时延序列的长相关性,同时突出时延序列不...
基于RS与LS-SVM多分类法的故障诊断方法及其应用
粗糙集 最小二乘支持向量机 多类分类器
2009/8/31
针对密闭鼓风炉熔炼过程工艺复杂、工况变化较大的特点，提出应用粗糙集(RS)和最小二乘支持向量机(LS-SVM)进行鼓风炉故障诊断的方法。该方法首先利用RS对炉子的故障样本进行知识约简，获得各故障类型的征兆最小条件属性作为特征向量，然后，输入到由多个最小二乘支持向量机构成的多故障分类器中进行故障识别和分类。研究结果表明：该方法具有较强的泛化能力，诊断准确率达到90%以上。