本文關(guān)鍵詞：計(jì)算機(jī)超頻結(jié)果測(cè)量值的預(yù)測(cè)算法　出處：《計(jì)算機(jī)測(cè)量與控制》2014年11期 　論文類型：期刊論文

  更多相關(guān)文章： 計(jì)算機(jī)超頻 結(jié)果值估計(jì) 最小二乘支持向量機(jī) 量子粒子群優(yōu)化算法 留一法交叉驗(yàn)證

【摘要】：針對(duì)計(jì)算機(jī)超頻結(jié)果測(cè)量值的估計(jì)問(wèn)題,提出一種優(yōu)化的LS-SVM回歸模型解決方案;首先對(duì)CPU和顯示卡超頻的參數(shù)設(shè)置及主要結(jié)果進(jìn)行了分析,并探討了常用預(yù)測(cè)算法的不足,據(jù)此選擇LS-SVM回歸模型進(jìn)行超頻結(jié)果測(cè)量值的預(yù)測(cè);然后設(shè)計(jì)了一種LCQPSO算法尋找模型參數(shù)的最優(yōu)值,使模型的預(yù)測(cè)精度和泛化能力得以提高;經(jīng)采集AMD FX-8350CPU的50組超頻樣本驗(yàn)證,該算法的預(yù)測(cè)誤差比RBF神經(jīng)網(wǎng)絡(luò)降低了80%,表明了該算法的有效性。
[Abstract]:According to the estimation results of computer overclocking measurement, presents an optimal solution for LS-SVM regression model; the CPU and display card overclocking setting parameters and main results were analyzed, and discussed the shortcomings of conventional prediction algorithm, select LS-SVM overclocking measurement values are the results predicted regression model and optimal design; a LCQPSO algorithm to find the values of the model parameters, the model prediction accuracy and generalization ability can be improved; the 50 groups of sample AMD overclocking FX-8350CPU verification, the prediction error algorithm is 80% lower than that of RBF neural network, show the effectiveness of the algorithm.

【作者單位】： 南充職業(yè)技術(shù)學(xué)院;
【分類號(hào)】：TP332
【正文快照】： 0引言計(jì)算機(jī)超頻是玩家和硬件廠商長(zhǎng)期關(guān)注的熱點(diǎn),因其不僅能提升計(jì)算機(jī)的性能,而且用戶可享受DIY的樂(lè)趣。幾乎所有計(jì)算機(jī)都有一定的超頻潛力,但用戶卻大多缺乏相應(yīng)的知識(shí)和動(dòng)手能力,常令超頻能力強(qiáng)大的硬件性能得不到充分發(fā)揮。有鑒于此,亦且由于《計(jì)算機(jī)組裝與維護(hù)》課程教

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 李兵;姚全珠;羅作民;田元;王偉;;基于網(wǎng)格模式搜索的支持向量機(jī)模型選擇[J];計(jì)算機(jī)工程與應(yīng)用;2008年15期

2 朱樹先;張仁杰;;支持向量機(jī)核函數(shù)選擇的研究[J];科學(xué)技術(shù)與工程;2008年16期

3 胡振;;PSO優(yōu)化GRNN在顯示卡超頻仿真測(cè)試中的應(yīng)用[J];計(jì)算機(jī)測(cè)量與控制;2014年04期

4 方偉;孫俊;謝振平;須文波;;量子粒子群優(yōu)化算法的收斂性分析及控制參數(shù)研究[J];物理學(xué)報(bào);2010年06期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張朝龍;江巨浪;李彥梅;陳世軍;gだ，

本文編號(hào)：1373217