| 标题 |
 High precision state of health estimation of lithium-ion batteries based on strong correlation aging feature extraction and improved hybrid kernel function least squares support vector regression machine model 基于强相关老化特征提取和改进混合核函数最小二乘支持向量回归机模型的锂离子电池高精度健康状态估计
相关领域
支持向量机
多项式核
径向基函数核
最小二乘支持向量机
计算机科学
核（代数）
径向基函数
多项式回归
核方法
人工智能
回归分析
机器学习
数学
人工神经网络
组合数学
|
| 网址 | |
| DOI |
暂未提供，该求助的时间将会延长，查看原因？
|
| 其它 |
Highlights • The University of Maryland dataset includes eight sets of single batteries (including CS2 and CX2 series). • This article uses Pearson correlation coefficients and Hampel filtering to qualitatively analyze health features. • Integrating radial basis and polynomial kernel functions into the LSSVR model enhances the model's generalization and learning ability. • Integrating survival of the fittest and differential evolution strategies into grey wolf optimization algorithms to increase search diversity. |
| 求助人 | |
| 下载 | 求助已完成，仅限求助人下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
Grayball
浦肯野
nozero
pcr163
从容芮
醉书生
NJD
CAOHOU
JPH1990
子凡
复杂书竹
MchemG
shinysparrow
Erika
qq1083716237
Xiaoxiao
FL
科研小民工
子车茗
隐形曼青
皖公网安备34019202002308
