网格搜索法优化的支持向量机室内可见光定位

采用信号强度特征建立指纹库,通过网格搜索法对支持向量机参数进行优化,利用SVM回归算法建模位置坐标和信号强度特征的映射关系,实现对待定位点位置坐标的预测。在待定位点误差范围内建立子集指纹库,根据欧式距离的远近分配权值,对预测到的坐标进一步优化,实现误差最小化。将没有优化的支持向量机与用网格搜索法、蚁群算法、粒子群算法优化后进行对比,实验结果表明,使用网格搜索法优化后的SVM回归算法可以实现良好的定位效果,最终平均定位误差可达到0.042 m,且算法所需时间优于蚁群算法,寻找全局最优解优于粒子群算法。

解域约束下的微地震事件网格搜索法、遗传算法联合反演

网格搜索法具有简单、快速的特点,能够快速确定真解的大概位置,但是真解的确定又易受初至、速度模型等因素的影响,很难掌握。遗传算法对初至的适应程度很高,且全局搜索能力强,但是任意设定搜索范围,则搜索过程会繁琐,费时,且解的可靠性也大大降低。文中针对网格搜索法与遗传算法的上述特点,结合微地震资料的实际情况,在研究利用网格搜索反演方法、遗传算法及解域评价的基础上,提出了解域约束下的微地震事件网格搜索法、遗传算法联合反演方法。讨论了微地震反演中模型建立、初至敏感性、射孔资料等与反演计算相关的问题,提出了解决方案。理论和实际资料对文中反演方法的验证结果表明,无论在精度、速度及稳定性方面,文中方法较单一的搜索法或遗传算法都有明显的改善。

基于多极值网格搜索法的快速影像匹配技术研究

采用基于网格搜索法的相关系数匹配方法,其中网格搜索法减少了匹配搜索数据,而相关系数匹配则用于获得子像素匹配精度,二者结合可形成一种快速的匹配方法。实验结果表明,与传统方法相比,该方法具有明显的性能优势。

基于高斯混合模型与改进网格搜索法的轴承故障诊断

为提高轴承复杂故障的诊断准确率,将高斯混合模型与改进网格搜索法相结合,开展了轴承故障诊断方法的研究,对不同情况下的轴承故障进行了诊断。首先将采集的数据进行了适当分段,利用混合高斯分布拟合各段数据,提取统计特征量作为故障特征指标;然后分别采用普通网格搜索法和改进的网格搜索法进行参数优化;最后以支持向量机作为分类器对轴承故障进行了诊断,并将2种优化算法的准确率进行了对比。结果表明:所提出的故障诊断方法准确率更高。

基于改进网格搜索法的SVM参数优化

支持向量机的学习和泛化能力很大程度上取决于其相关参数的选取.针对传统网格算法的不足,引入全局粒子群算法,利用其能够快速到达最优解附近的优势:先使用粒子群算法进行粗搜;再使用网格搜索法进行小步长的精细搜索得到最优解.实验结果表明:基于改进的网格搜索法SVM对比传统网格搜索法SVM,在预测精度和运算时间上都具有优势.

基于网格搜索法的圆柱度误差评定

采用网格搜索法,建立了圆柱度误差评定的数学模型。对算法的循环终止条件进行了优化设计,以前后两次搜索的最小极差之间的差值作为终止条件,保证算法收敛的可靠性。与传统的网格搜索算法相比,更加合理,圆柱度误差的评定准确度更易通过参数进行控制。

基于网格搜索法优化支持向量机的围岩稳定性分类模型

为科学评价围岩稳定性,本次研究借助支持向量机(SVM)处理小样本、非线性问题能力强的特性,对围岩的稳定性进行了分类。选取16组围岩数据作为学习样本,以岩石质量指标、岩石单轴饱和抗压强度、完整性系数、结构面强度系数和地下水渗水量5个指标作为模型输入,围岩稳定程度为模型输出,建立了基于支持向量机的围岩稳定性分类模型。为增强模型的推广性能,提高其预测准确率,运用改进的网格搜索方法(GSM)寻找最优的支持向量机参数,并对8组围岩数据进行预测,并同BP神经网络模型的预测结果进行对比。结果表明,建立的GSM-SVM模型对预测样本的评判结果与实际结果一致,其预测精度较BP神经网络有很大的提升。

基于网格搜索法优化最大相关峭度反卷积的滚动轴承早期故障诊断方法

针对环境噪声下滚动轴承早期故障信号微弱难以检测的问题，提出了基于网格搜索法优化最大相关峭度反卷积（Maximum Correlated Kurtosis Deconvolution，MCKD）滚动轴承早期故障诊断方法。并针对MCKD方法受滤波器阶数和周期影响的问题，提出了利用网格搜索法优化最大相关峭度反卷积参数。首先，早期微弱故障信号集成经验模态分解后，采用相关系数以及峭度准则重构原信号；然后，以小波Shannon熵作为目标函数采用网格搜索法搜寻最优滤波器阶数以及周期，采用自适应MCKD方法对重构信号中故障脉冲冲击成分进行加强，最后通过包络谱、包络功率谱提取微弱故障特征。实验表明，该方法能够对早期微弱故障中冲击成分进行自适应增强，有效检测出被噪声淹没的微弱故障，实现滚动轴承故障的精确诊断。

网格搜索法改进SVM的出水COD软测量建模

针对污水处理过程出水水质参数难以在线检测这一问题,提出一种基于网格搜索法优化SVM的软测量模型.根据污水处理过程的输入输出数据,选取进水COD、进水NH3-N、溶解氧(DO)作为模型输入,出水COD作为模型输出,采用SVM方法建立出水COD的软测量模型,同时采用网格搜索法对SVM的惩罚因子和核函数参数进行寻优操作,提高软测量模型的预测精度.仿真结果表明,基于网格搜索法优化的SVM软测量模型具有良好的预测精度和泛化能力,应能满足处理过程的需求.

峰值网格搜索法

网格法是常用的、有效的结构优化方法之一。本文将一类带约束的非线性规划问题(满足部分 K—T 条件的极值问题)先不考虑约束而进行同格“真解”逼近。最后在“收敛”的网点上再做一次可能的简单约束处理。此方法处理这类问题比原有网格法简单,大大节约了机时,其收敛速度不低于常规做法,而且把无约束的非线性规划问题也自然地统一在本算法之中。

根据震源机制求解构造应力场的网格搜索法

地壳应力场研究是地球科学研究的重要分支，在地球动力学模拟、地质矿产分布研究及地震灾害评估中具有重要意义。地震震源机制是求解地壳深部应力场的最为重要的方法。

可变步长网格搜索法结合LIBSVM预测风机故障研究

针对风机的智能故障诊断,采用了一种可变步长网格搜索法寻优结合LIBSVM工具箱实现风机故障智能识别的方法。LIBSVM的信号特征输入选用风机振动信号的小波能量谱,用交叉验证法验证识别准确率,用LIBSVM仿真建立支持向量机分类模型,最后用测试样本测试,发现基于该方法可以保证支持向量机识别率并且可以有效减少运算量。

基于网格搜索算法的PCNN模型参数自适应

为提高利用脉冲耦合神经网络(pulse coupled neural network,PCNN)模型进行人脸识别时的准确率,并解决利用PCNN进行人脸识别时,模型中多个参数需凭经验设定的问题,提出一种基于脉冲发放强度的PCNN(QD-PCNN)模型和改进的网格搜索算法。QD-PCNN模型在简化的PCNN模型基础上,引入脉冲发放强度,细化模型的输出。改进的网格搜索算法在进行参数寻优时,根据识别对象,在较大范围内搜索,在得到的寻优结果附近区域进行精确搜索。在实验中,将通过改进的网格搜索法得到的参数组合运用到QD-PCNN模型中进行人脸识别,实验结果验证了该方法的有效性。

堤防管涌发生可能性识别的网格搜索-支持向量机方法

针对堤防管涌的评价涉及多种变量且各变量之间存在着高度的非线性关系,应用统计学习理论并结合工程实际,提出基于支持向量机(SVM)理论的堤防管涌发生可能性识别方法。将影响管涌演化、发生和导致破坏的因素进行归纳,选取坝高H、坝前水深Hp、下游边坡m、土的有效凝聚力c、有效内摩擦角ψ、饱和单位容重γ、渗透系数K、最大有效粒径疏db和下游滤层倾角δ共9种代表性的优势参数作为模型的输入,将堤坝管涌发生的可能性因子λ作为模型的输出,以16个堤防管涌工程实例作为学习样本进行训练,采用RBF核函数,建立堤防管涌发生可能性识别的支持向量机分类模型。为提高预测模型的泛化能力和预测精度,利用网格搜索寻优方法对支持向量机模型的参数进行了优化,并对7组待判实例进行判别。研究结果表明:建立的网格搜索优化支持向量机分类模型对堤防管涌发生可能性识别结果与实际结果吻合,正确率达95%,可考虑在实际工程中进行推广。

网格搜索最危险滑弧圆心的方法

1 简介 在铁路路基设计中,经常需判定山体、路堑边坡和软弱地基上的路堤的稳定性。一般经过三步进行:一是根据经验进行工程地质对比,初步分析它的稳定程度,二是计算。用土工的物理力学指标(容重γ,粘聚力c和内摩擦角φ)以计算其稳定系数F_4,看F_s是否满足设计规范的要求。

网格搜索法在送电线路铁塔基础计算机优化设计中的应用

在以往的送电线路铁塔基础结构设计中，许多是以结构受力最合理作为优化设计的目标，但它只是结构体系上的最优值，而不一定是经济上的最佳选择。利用网格搜索法，在送电线路基础计算机优化设计中，可以达到用最少的造价来满足工程需要的目的。

基于网格搜索和投票分类模型的喷油器故障诊断研究

为了提高高压共轨试验台对喷油器检修效率,提出一种基于网格搜索和投票分类模型的喷油器故障自动诊断方法。由于压电喷油器故障数据采集困难,使用AMESim软件模拟不同轨压和脉宽状态下压电喷油器可能出现的多种故障情况。随后,将采集到的1 760组数据使用由随机森林、支持向量机和GBM组成的投票分类模型进行训练,并使用网格搜索法优化各分类器的超参数。实验结果表明:该模型对压电喷油器的5种故障状态及正常状态诊断时的准确率、精确率、召回率和F1-score分别为98.86%、99.13%、98.56%、98.83%,表现出较高的准确性和稳定性。该方法能够快速高效地对喷油器故障情况进行定位。

基于网格搜索-牛顿迭代法的微震震源定位算法

利用最优化算法对微震定位进行求解时,为了保证全局且快速收敛,结合网格搜索法的全局收敛性和牛顿迭代法的快速准确性,提出一种基于网格搜索-牛顿迭代法的微震震源定位反演算法。新算法首先通过对监测区域进行稀疏的网格划分,利用网格搜索法得到初步的定位结果,再以此结果作为牛顿迭代法的初始迭代值进行准确的定位计算。通过模拟实验,研究了地下介质速度各向异性和实际工程中测速误差对定位结果的影响,并与牛顿法、网格搜索法和模拟退火法对比新算法在定位准确度、稳定性以及计算效率方面的表现。结果表明:该算法在理论上可以相对高效、准确、稳定地定位微震事件。最后利用实例验证新算法定位效果,定位误差约为4 m。该算法在微震定位中具有一定的实用价值。

基于网格搜索-支持向量机的采场顶板稳定性预测

为准确、快速地预测采场顶板稳定性(SRS),建立基于支持向量机(SVM)理论的SRS评价法。考虑煤-岩石介质与环境条件和工程因素,研究岩石单轴抗压强度、岩石质量指标(RQD)、煤体抗压强度、顶板水文状况和工作面月推进速度对SRS的影响。建立SRS识别的SVM模型。为提高预测模型的泛化能力和预测精度,利用网格搜索法(GSM)及10折交叉确认寻优方法对SVM模型的参数进行优化。用该模型对5组待判工程实例进行判别。研究结果表明,模型训练样本10折交叉确认准确率达91.3%,对测试样本识别正确率为80%,识别结果与实际较吻合。

基于网格搜索和ELM的冲击地压危险等级预测

为提高冲击地压危险等级预测模型的泛化性能及预测精度,采用网格搜索法结合十折交叉验证法对极限学习机(ELM)中的隐含层神经元个数及激活函数的类型进行组合优化,进而建立冲击地压危险等级预测模型;选取重庆砚石台煤矿36组实测数据进行试验,对影响因素数据进行标准化处理,选择其中26组样本对模型进行训练,采用该模型对后10组样本中冲击地压危险等级进行预测,并与其他方法作对比。结果显示:经过十折交叉验证,用该模型得到的正确识别率为84.615%,高于朴素贝叶斯及Adaboost M1的76.92%、61.54%,采用该模型对测试样本集中冲击地压危险等级进行预测,预测准确率为90%,高于朴素贝叶斯及Adaboost M1预测准确率80%。