《表4 PSO-LS-SVM模型参数》
计算得改进前后的拟合误差如表3所示。由表3可以看出,PSO优化之后的LS-SVM算法的拟合精度明显上升,考虑到传感器数据的不确定性等因素,该优化算法可以满足数据修复需求。由上述相似样本所训练的模型可以直接进行待修复轨迹的预报,部分模型参数结果如表4所示。
图表编号 | XD0033287600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.05 |
作者 | 李佳、初秀民、刘兴龙、谢朔、何伟 |
绘制单位 | 武汉理工大学能源与动力工程学院、武汉理工大学国家水运安全工程技术研究中心、武汉理工大学国家水运安全工程技术研究中心、闽江学院物理与电子信息工程学院、闽江学院物理与电子信息工程学院、武汉理工大学能源与动力工程学院、武汉理工大学国家水运安全工程技术研究中心、闽江学院海洋学院 |
更多格式 | 高清、无水印(增值服务) |