典型文献
基于极限学习机的高压输电线路障碍物识别方法
文献摘要：
针对高压线路障碍物识别模型精度较低和稳定性较差等问题,提出一种基于改进狮群算法优化的多核极限学习机(ILSO-MKELM)的障碍物识别方法.通过混沌、差分和模拟退火算法对原狮群算法(LSO)进行了改进.基于所提方法用高压线路上常见的数种障碍物图片数据建立识别模型,并与极限学习机(ELM)、KELM和LSO-MKELM建立的模型作对比.测试结果表明,该模型的总体正确率与标准差分别达到了0.94和0.014,优于其他方法所建立的模型.
文献关键词：
改进狮群算法;混合核极限学习机;分类器建模;巡线机器人;图像识别
中图分类号：
作者姓名：
詹浩东;林勇;孙伟业
作者机构：
合肥工业大学电气自动化工程学院,安徽合肥230009
文献出处：
引用格式：
[1]詹浩东;林勇;孙伟业-.基于极限学习机的高压输电线路障碍物识别方法)[J].电子设计工程,2022(03):84-88,93
A类：
分类器建模
B类：
高压输电线路,线路障碍,障碍物识别,高压线路,识别模型,模型精度,改进狮群算法,算法优化,多核极限学习机,ILSO,MKELM,混沌,模拟退火算法,数种,图片数据,其他方法,混合核极限学习机,巡线机器人,图像识别
AB值：
0.259479
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
