期刊文献+
共找到172,663篇文章
< 1 2 250 >
每页显示 20 50 100
Machine learning model based on non-convex penalized huberized-SVM
1
作者 Peng Wang Ji Guo Lin-Feng Li 《Journal of Electronic Science and Technology》 EI CAS CSCD 2024年第1期81-94,共14页
The support vector machine(SVM)is a classical machine learning method.Both the hinge loss and least absolute shrinkage and selection operator(LASSO)penalty are usually used in traditional SVMs.However,the hinge loss i... The support vector machine(SVM)is a classical machine learning method.Both the hinge loss and least absolute shrinkage and selection operator(LASSO)penalty are usually used in traditional SVMs.However,the hinge loss is not differentiable,and the LASSO penalty does not have the Oracle property.In this paper,the huberized loss is combined with non-convex penalties to obtain a model that has the advantages of both the computational simplicity and the Oracle property,contributing to higher accuracy than traditional SVMs.It is experimentally demonstrated that the two non-convex huberized-SVM methods,smoothly clipped absolute deviation huberized-SVM(SCAD-HSVM)and minimax concave penalty huberized-SVM(MCP-HSVM),outperform the traditional SVM method in terms of the prediction accuracy and classifier performance.They are also superior in terms of variable selection,especially when there is a high linear correlation between the variables.When they are applied to the prediction of listed companies,the variables that can affect and predict financial distress are accurately filtered out.Among all the indicators,the indicators per share have the greatest influence while those of solvency have the weakest influence.Listed companies can assess the financial situation with the indicators screened by our algorithm and make an early warning of their possible financial distress in advance with higher precision. 展开更多
关键词 Huberized loss machine learning Non-convex penalties Support vector machine(Svm)
下载PDF
Performance Analysis of Support Vector Machine (SVM) on Challenging Datasets for Forest Fire Detection
2
作者 Ankan Kar Nirjhar Nath +1 位作者 Utpalraj Kemprai   Aman 《International Journal of Communications, Network and System Sciences》 2024年第2期11-29,共19页
This article delves into the analysis of performance and utilization of Support Vector Machines (SVMs) for the critical task of forest fire detection using image datasets. With the increasing threat of forest fires to... This article delves into the analysis of performance and utilization of Support Vector Machines (SVMs) for the critical task of forest fire detection using image datasets. With the increasing threat of forest fires to ecosystems and human settlements, the need for rapid and accurate detection systems is of utmost importance. SVMs, renowned for their strong classification capabilities, exhibit proficiency in recognizing patterns associated with fire within images. By training on labeled data, SVMs acquire the ability to identify distinctive attributes associated with fire, such as flames, smoke, or alterations in the visual characteristics of the forest area. The document thoroughly examines the use of SVMs, covering crucial elements like data preprocessing, feature extraction, and model training. It rigorously evaluates parameters such as accuracy, efficiency, and practical applicability. The knowledge gained from this study aids in the development of efficient forest fire detection systems, enabling prompt responses and improving disaster management. Moreover, the correlation between SVM accuracy and the difficulties presented by high-dimensional datasets is carefully investigated, demonstrated through a revealing case study. The relationship between accuracy scores and the different resolutions used for resizing the training datasets has also been discussed in this article. These comprehensive studies result in a definitive overview of the difficulties faced and the potential sectors requiring further improvement and focus. 展开更多
关键词 Support Vector machine Challenging Datasets Forest Fire Detection CLASSIFICATION
下载PDF
Fitness Sharing Chaotic Particle Swarm Optimization (FSCPSO): A Metaheuristic Approach for Allocating Dynamic Virtual Machine (VM) in Fog Computing Architecture
3
作者 Prasanna Kumar Kannughatta Ranganna Siddesh Gaddadevara Matt +2 位作者 Chin-Ling Chen Ananda Babu Jayachandra Yong-Yuan Deng 《Computers, Materials & Continua》 SCIE EI 2024年第8期2557-2578,共22页
In recent decades,fog computing has played a vital role in executing parallel computational tasks,specifically,scientific workflow tasks.In cloud data centers,fog computing takes more time to run workflow applications... In recent decades,fog computing has played a vital role in executing parallel computational tasks,specifically,scientific workflow tasks.In cloud data centers,fog computing takes more time to run workflow applications.Therefore,it is essential to develop effective models for Virtual Machine(VM)allocation and task scheduling in fog computing environments.Effective task scheduling,VM migration,and allocation,altogether optimize the use of computational resources across different fog nodes.This process ensures that the tasks are executed with minimal energy consumption,which reduces the chances of resource bottlenecks.In this manuscript,the proposed framework comprises two phases:(i)effective task scheduling using a fractional selectivity approach and(ii)VM allocation by proposing an algorithm by the name of Fitness Sharing Chaotic Particle Swarm Optimization(FSCPSO).The proposed FSCPSO algorithm integrates the concepts of chaos theory and fitness sharing that effectively balance both global exploration and local exploitation.This balance enables the use of a wide range of solutions that leads to minimal total cost and makespan,in comparison to other traditional optimization algorithms.The FSCPSO algorithm’s performance is analyzed using six evaluation measures namely,Load Balancing Level(LBL),Average Resource Utilization(ARU),total cost,makespan,energy consumption,and response time.In relation to the conventional optimization algorithms,the FSCPSO algorithm achieves a higher LBL of 39.12%,ARU of 58.15%,a minimal total cost of 1175,and a makespan of 85.87 ms,particularly when evaluated for 50 tasks. 展开更多
关键词 Fog computing fractional selectivity approach particle swarm optimization algorithm task scheduling virtual machine allocation
下载PDF
基于多特征提取与灰狼算法优化SVM的车内异响识别方法 被引量:1
4
作者 王若平 陈严 +2 位作者 王东 梁博洋 曾发林 《计算机应用与软件》 北大核心 2024年第3期41-48,共8页
传统的异响识别方法对测试设备要求较高且易受实验员经验差异影响。针对这种情况,提出一种基于多特征提取与灰狼算法优化支持向量机(Support Vector Machine,SVM)的车内异响识别方法。该方法以采集实验获得的6种车内常见异响作为研究对... 传统的异响识别方法对测试设备要求较高且易受实验员经验差异影响。针对这种情况,提出一种基于多特征提取与灰狼算法优化支持向量机(Support Vector Machine,SVM)的车内异响识别方法。该方法以采集实验获得的6种车内常见异响作为研究对象,提取短时能量、小波变换优化的梅尔频率倒谱系数(DWT-MFCC)及其一阶差分组成混合特征参数,将灰狼优化算法应用于SVM的参数寻优中,建立异响识别模型并进行识别分类,同时探究选用不同维度的特征或不同算法对识别效果的影响。结果表明,所提取的25维混合特征能有效传达异响信息,该方法在收敛速度与识别准确率方面优势明显,能更好地实现车内异响的识别。 展开更多
关键词 车内异响识别 短时能量 DWT-MFCC 灰狼优化算法 支持向量机
下载PDF
基于SVM算法的虚假航迹识别
5
作者 代睿 鹿瑶 安锐 《导航定位与授时》 CSCD 2024年第2期103-110,共8页
针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,... 针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。 展开更多
关键词 目标跟踪 机器学习 支持向量机(Svm)算法 虚假航迹
下载PDF
参数优化的IZOA-SVM机械设备故障诊断方法
6
作者 赵月静 邢天祥 秦志英 《机电工程》 CAS 北大核心 2024年第10期1894-1902,共9页
在复杂的工作环境中,机械设备振动信号的复杂性常常会导致机械设备故障诊断的准确性不高,为解决设备运行中因信号复杂性引发的故障诊断难题,提出了一种参数优化的斑马优化算法优化支持向量机(IZOA-SVM)的故障诊断方法。首先,引入了柯西... 在复杂的工作环境中,机械设备振动信号的复杂性常常会导致机械设备故障诊断的准确性不高,为解决设备运行中因信号复杂性引发的故障诊断难题,提出了一种参数优化的斑马优化算法优化支持向量机(IZOA-SVM)的故障诊断方法。首先,引入了柯西变异和反向学习的改进策略到斑马优化算法(ZOA)中,提出了改进的斑马优化算法(IZOA),旨在改善原有斑马优化算法在迭代后期容易陷入局部极值等问题,从而有效增强了其全局搜索能力;其次,利用IZOA优化支持向量机(SVM)的核参数g和惩罚参数c以寻找SVM最优参数组合[c,g],并构建了IZOA-SVM模型;然后,计算了样本的13个时域特征以构成特征向量,并将特征向量分别输入到IZOA-SVM模型、斑马优化算法优化支持向量机(ZOA-SVM)模型、粒子群算法优化支持向量机(PSO-SVM)模型、遗传算法优化支持向量机(GA-SVM)模型和支持向量机模型,进行了故障分类;最后,通过旋转机械振动及故障模拟试验验证了该方法的有效性。研究结果表明:IZOA-SVM模型在分类准确率方面得到了明显的提高,达到了98.33%;该模型能够精准而稳定地识别故障类型,提高故障识别的准确性,在准确率方面相较于其他对比方法表现出更为显著的优势。因此,该方法在全局搜索和故障分类准确性方面都取得了明显的改进,为复杂环境下的故障诊断提供了可参考的解决方案。 展开更多
关键词 机械设备 旋转机械 故障诊断 改进斑马优化算法 柯西变异 反向学习 支持向量机
下载PDF
多策略改进黏菌算法阶段优化HSVM变压器故障辨识 被引量:1
7
作者 谢国民 林忠宝 《电子测量与仪器学报》 CSCD 北大核心 2024年第3期67-76,共10页
为解决变压器故障诊断精度较低的问题,提出了一种多策略改进黏菌算法(ISMA)阶段优化混合核支持向量机(HSVM)的变压器故障诊断新方法。首先,利用主成分分析(PCA)来消除变量之间的信息冗余并降低数据集维度。其次,引入黏菌算法(SMA),并结... 为解决变压器故障诊断精度较低的问题,提出了一种多策略改进黏菌算法(ISMA)阶段优化混合核支持向量机(HSVM)的变压器故障诊断新方法。首先,利用主成分分析(PCA)来消除变量之间的信息冗余并降低数据集维度。其次,引入黏菌算法(SMA),并结合Logistic混沌映射、二次插值、自适应权重多策略改进SMA,以提高SMA算法收敛速度和局部搜索能力;然后,与原始SMA、WHO和GWO算法进行寻优测试,对比验证改进后SMA算法的优越性;最后,使用改进SMA算法分阶段对混合核支持向量机参数寻优,构建ISMA-HSVM变压器故障诊断模型。将降维后的特征数据输入HSVM模型与BPPN、ELM和SVM进行比较,HSVM模型的诊断准确性分别提高了5.55%、8.89%、5.55%。使用ISMA优化HSVM模型参数,与WHO、GWO、SMA算法优化效果比较,结果准确性提高了13.33%、12.22%、5.55%。其中,ISMA-HSVM模型的诊断精度为93.33%。实验结果表明,所提模型有效提升故障诊断分类性能,且具有较高的故障诊断精度。 展开更多
关键词 故障诊断 主成分分析 黏菌算法 混合核支持向量机
下载PDF
基于ISSA-HKLSSVM的浮选精矿品位预测方法 被引量:1
8
作者 高云鹏 罗芸 +2 位作者 孟茹 张微 赵海利 《湖南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2024年第2期111-120,共10页
针对浮选过程变量滞后、耦合特征及建模样本数量少所导致精矿品位难以准确预测的问题,提出了一种基于改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化混核最小二乘支持向量机(Hybrid Kernel Least Squares Support Vecto... 针对浮选过程变量滞后、耦合特征及建模样本数量少所导致精矿品位难以准确预测的问题,提出了一种基于改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化混核最小二乘支持向量机(Hybrid Kernel Least Squares Support Vector Machine,HKLSSVM)的浮选过程精矿品位预测方法.首先采集浮选现场载流X荧光品位分析仪数据作为建模变量并进行预处理,建立基于最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)的预测模型,以此构建新型混合核函数,将输入空间映射至高维特征空间,再引入改进麻雀搜索算法对模型参数进行优化,提出基于ISSA-HKLSSVM方法实现精矿品位预测,最后开发基于LabVIEW的浮选精矿品位预测系统对本文提出方法实际验证.实验结果表明,本文提出方法对于浮选过程小样本建模具有良好拟合能力,相比现有方法提高了预测准确率,可实现精矿品位的准确在线预测,为浮选过程的智能调控提供实时可靠的精矿品位反馈信息. 展开更多
关键词 浮选 精矿品位 最小二乘支持向量机 改进麻雀搜索算法 预测模型
下载PDF
基于ALIF-MPE-SVM组合算法的电机轴承早期故障诊断
9
作者 高美真 李丽 +1 位作者 高烨童 薛涛 《机械设计与制造》 北大核心 2024年第8期202-205,211,共5页
为了提高电机用轴承的安全运行稳定效率,通过ALIF算法自适应分解非平稳信号,再以MPE从IMFs中提取出非线性故障信号,将MPE降维处理后的故障特征量利用MPE-SVM思想智能故障的诊断功能,开发得到一种MPE-SVM故障诊断技术,再根据测试得到的... 为了提高电机用轴承的安全运行稳定效率,通过ALIF算法自适应分解非平稳信号,再以MPE从IMFs中提取出非线性故障信号,将MPE降维处理后的故障特征量利用MPE-SVM思想智能故障的诊断功能,开发得到一种MPE-SVM故障诊断技术,再根据测试得到的电机轴承故障参数完成算法有效性验证。研究结果表明:大部分故障信息都出现于最初的三个IMF内,主成分比例超过80%,因此以前3个主成分作为特征量并将其代入MPE-SVM内实施训练。各组别都可以对故障损伤的准确识别,表明以MPE作为故障特征能够满足有效性要求。ALIF-MPE具备比EMD-MPE更优的分类性能,达到了较低的标准差,稳定的分类状态。该研究能够准确识别电机轴承不同故障程度,对提高同类机械传动设备的故障诊断水平具有很好的理论支撑意义。 展开更多
关键词 轴承 故障诊断 支持向量机 信息融合 特征提取
下载PDF
基于GA-SVM的钢轨廓形类型在线识别算法研究
10
作者 叶志坚 王菁 +1 位作者 吴越 陈建政 《仪表技术与传感器》 CSCD 北大核心 2024年第9期99-105,共7页
针对轨道交通日常运维中钢轨廓形自动化检测识别率不高的情况,提出了一种基于几何描述符和支持向量机(SVM)的高精度钢轨廓形在线识别算法。利用结构光传感器对钢轨廓形数据进行采集,采用几何去噪算法对廓形进行离群点剔除和重采样预处... 针对轨道交通日常运维中钢轨廓形自动化检测识别率不高的情况,提出了一种基于几何描述符和支持向量机(SVM)的高精度钢轨廓形在线识别算法。利用结构光传感器对钢轨廓形数据进行采集,采用几何去噪算法对廓形进行离群点剔除和重采样预处理。通过廓形几何描述符对不同类别钢轨廓形进行特征提取,制作廓形特征数据集用于训练SVM。采用遗传算法(GA)对SVM模型参数进行优化选取。将优化训练后的SVM模型用于钢轨廓形检测并和传统廓形识别方法进行对比。结果表明:提出的采用几何描述符的GA-SVM模型平均准确率达到99.62%,单帧廓形识别用时6.43 ms,能有效提升廓形识别准确率与高速性,满足轨道车辆在线检测的需求,并为轨道自动化检测提供了理论和技术支撑。 展开更多
关键词 轨道自动化检测 钢轨廓形 几何描述符 遗传算法 支持向量机
下载PDF
数控机床电动主轴WPD-TSNE-SVM模型故障诊断
11
作者 李坤宏 江桂云 朱代兵 《机械科学与技术》 CSCD 北大核心 2024年第5期832-836,共5页
为了提高数控机床电动主轴故障诊断效率,设计了一种WPD-TSNE-SVM组合模型。利用小波包方法分解主轴振动信号,并完成样本集TSNE降维的过程,利用SVM完成重构特征的故障分类。构建数控机床主轴信号混合特征空间向量,并进行故障诊断分析。... 为了提高数控机床电动主轴故障诊断效率,设计了一种WPD-TSNE-SVM组合模型。利用小波包方法分解主轴振动信号,并完成样本集TSNE降维的过程,利用SVM完成重构特征的故障分类。构建数控机床主轴信号混合特征空间向量,并进行故障诊断分析。研究结果表明:TSNE方法训练样数据形成规律分布特点,采用非线性SVM多故障分类器实现小波包混合特征的故障准确分类。根据径向基核函数建立的非线性SVM诊断方法获得更高准确率。该方法诊断轴承运行故障,获得更高维护效率,确保数控机床主轴运行稳定性。 展开更多
关键词 数控机床 电动主轴 故障诊断 小波包分解
下载PDF
基于相对熵和余弦相似度的并行SVM算法
12
作者 毛伊敏 郭斌斌 +1 位作者 易见兵 陈志刚 《计算机集成制造系统》 EI CSCD 北大核心 2024年第9期3183-3198,共16页
针对大数据环境下并行支持向量机(SVM)算法存在子集分布偏差大,并行效率低以及过滤非支持向量不准确等问题,提出了基于相对熵和余弦相似度的并行SVM算法(RC-PSVM)。该算法首先提出基于相对熵的数据划分策略(DPRE),平衡当前子集和原始数... 针对大数据环境下并行支持向量机(SVM)算法存在子集分布偏差大,并行效率低以及过滤非支持向量不准确等问题,提出了基于相对熵和余弦相似度的并行SVM算法(RC-PSVM)。该算法首先提出基于相对熵的数据划分策略(DPRE),平衡当前子集和原始数据集的相对熵,划分样本到适合的子集,降低子集分布偏差;然后提出基于余弦相似度的冗余层级检测策略(CS-RLDS),计算相邻层局部SVM之间法向量的余弦相似度,比较设定的阈值与相似度,识别并停止冗余层级,提高了并行效率;最后提出非支持向量过滤策略(NSVF),结合样本到多个局部支持向量模型决策边界的距离,计算支持向量相似度来识别非支持向量,解决了过滤非支持向量不准确的问题。实验表明,RC-PSVM算法的分类效果更佳,且在大数据下的运行效率更高。 展开更多
关键词 大数据 MAPREDUCE框架 并行支持向量机 相对熵 余弦相似度
下载PDF
基于VMD-IMPA-SVM的超短期风电功率预测 被引量:2
13
作者 刘金朋 邓嘉明 +2 位作者 高鹏宇 刘胡诗涵 孙思源 《智慧电力》 北大核心 2024年第7期24-31,79,共9页
针对风力发电强波动性带来的预测精度不高问题,构建一种基于变模态分解(VMD)、灰狼优化算法(GWO)、海洋捕食者算法(MPA)和支持向量机(SVM)的组合预测模型。采用GWO对VMD的模态数和惩罚因子进行寻优,将原始功率序列分解为子序列进行降噪... 针对风力发电强波动性带来的预测精度不高问题,构建一种基于变模态分解(VMD)、灰狼优化算法(GWO)、海洋捕食者算法(MPA)和支持向量机(SVM)的组合预测模型。采用GWO对VMD的模态数和惩罚因子进行寻优,将原始功率序列分解为子序列进行降噪处理;运用对立学习和柯西变异等方法改进MPA的种群生成与变异方式,得到改进MPA(IMPA)并优化SVM中的核参数与惩罚参数,进而构建VMD-IMPA-SVM组合预测模型,对各子序列进行预测并叠加得到最终预测值。实际算例分析表明,所提组合预测模型具有较高的预测精度,同时具备强鲁棒性。 展开更多
关键词 风电功率预测 变模态分解 海洋捕食者算法 支持向量机 灰狼优化算法
下载PDF
基于特征融合和B-SVM的鸟鸣声识别算法 被引量:1
14
作者 陈晓 曾昭优 《声学技术》 CSCD 北大核心 2024年第1期119-126,共8页
为了实现在野外通过低成本嵌入式系统识别鸟类,提出了基于特征融合和B-SVM的鸟鸣声识别方法。对鸟鸣声信号提取梅尔频率倒谱系数、翻转梅尔频率倒谱系数、短时能量和短时过零率组成特征参数,通过线性判别算法对特征参数进行特征融合。... 为了实现在野外通过低成本嵌入式系统识别鸟类,提出了基于特征融合和B-SVM的鸟鸣声识别方法。对鸟鸣声信号提取梅尔频率倒谱系数、翻转梅尔频率倒谱系数、短时能量和短时过零率组成特征参数,通过线性判别算法对特征参数进行特征融合。利用黑寡妇算法通过测试集对支持向量机模型的核参数和损失值进行优化得到B-SVM模型。利用Xeno-canto鸟鸣声数据集对本文算法进行了测试,结果表明该方法的识别准确率为93.23%。算法维度参数的大小和融合特征维度的高低是影响算法识别效果的重要因素。在相同条件下,文中所提的基于特征融合和B-SVM模型的鸟鸣声识别算法相较于其他特征参数和模型,识别的准确率更高,为野外鸟类识别提供了参考。 展开更多
关键词 鸟鸣声识别 梅尔频率倒谱系数 线性判别算法 黑寡妇优化算法 支持向量机
下载PDF
基于SSA-RVM的滚动轴承可靠度评估与预测
15
作者 高淑芝 于一凡 张义民 《机械设计与制造》 北大核心 2024年第7期368-371,共4页
为解决滚动轴承运行可靠度预测问题,这里提出了基于麻雀搜索算法-相关向量机的滚动轴承可靠度预测方法。首先对轴承振动信号在时域、频域及时频域构成的维数较高的向量集利用主成分分析算法进行降维;然后将降维后的特征集作为轴承的退... 为解决滚动轴承运行可靠度预测问题,这里提出了基于麻雀搜索算法-相关向量机的滚动轴承可靠度预测方法。首先对轴承振动信号在时域、频域及时频域构成的维数较高的向量集利用主成分分析算法进行降维;然后将降维后的特征集作为轴承的退化状态特征输入到逻辑回归模型中,进行滚动轴承可靠性评估;然后将轴承的性能退化状态特征作为麻雀搜索算法-相关向量机模型的输入,获取预测结果;最终把结果带入到逻辑回归模型中,预测轴承的运行可靠度。实验结果表明提出的算法在预测滚动轴承运行可靠性中具有明显优势。 展开更多
关键词 机械轴承 可靠性预测 相关向量机 麻雀搜索算法
下载PDF
基于IAOA-SVM模型结构时变可靠性研究
16
作者 郑建校 张小康 +1 位作者 王亮亮 张锦华 《安徽理工大学学报(自然科学版)》 CAS 2024年第3期7-14,共8页
目的为有效解决使用传统代理模型进行结构时变可靠性研究中存在流程复杂、计算效率低等问题。方法提出以改进算术优化算法(Improved Arithmetic Optimization Algorithm,IAOA)优化支持向量机模型(Support Vector Machine,SVM)进行时变... 目的为有效解决使用传统代理模型进行结构时变可靠性研究中存在流程复杂、计算效率低等问题。方法提出以改进算术优化算法(Improved Arithmetic Optimization Algorithm,IAOA)优化支持向量机模型(Support Vector Machine,SVM)进行时变可靠性研究的方法,结合IAOA-SVM模型和极值理论,以某塔式起重机回转支承为研究对象,对其进行动态确定性分析获取样本数据,建立IAOA-SVM可靠性模型,采用蒙特卡洛法求解得到其可靠度结果,并与EKM和ERSM算法对比分析其仿真精度和效率。结果当回转支承径向变形许用值为0.278×10^(-3)m时,采用蒙特卡洛法求解得到其可靠度为99.68%,IAOA-SVM模型相比EKM和ERSM方法仿真效率有所提升,建模精度分别提高了10.42%和9.23%。结论IAOA-SVM方法在建模和仿真精度与效率方面具有较明显的优势,IAOA-SVM方法为求解机构时变可靠度难题提供了一种新的解决思路。 展开更多
关键词 时变可靠性 支持向量机 算术优化算法 回转支承
下载PDF
基于参数自适应SVR和VMD-TCN的水电机组劣化趋势预测 被引量:2
17
作者 王淑青 柯洋洋 +2 位作者 胡文庆 罗平章 李青珏 《中国农村水利水电》 北大核心 2024年第4期193-198,204,共7页
针对水电机组难以利用实时监测数据对机组劣化状态进行有效评估,以及水电机组不同运行工况对运行状态指标趋势预测模型参数影响显著的问题,提出一种基于参数自适应支持向量回归机(SVR)、变分模态分解(VMD)和时间卷积网络(TCN)的水电机... 针对水电机组难以利用实时监测数据对机组劣化状态进行有效评估,以及水电机组不同运行工况对运行状态指标趋势预测模型参数影响显著的问题,提出一种基于参数自适应支持向量回归机(SVR)、变分模态分解(VMD)和时间卷积网络(TCN)的水电机组劣化趋势预测方法;首先按照功率和水头将机组运行工况细化为若干典型工况,在此基础上采用改进天鹰算法建立SVR模型,对各个工况下的预测参数进行寻优,建立起工况与最优参数的数据;再通过神经网络对工况和最优预测参数进行拟合,构建出映射两者复杂关系的非线性函数,然后将构建出的映射关系加入到传统的SVR中,实现适应于水电机组工况变化的自适应SVR健康模型;其次,根据健康模型输出的标准值和监测数据,计算出劣化趋势序列;最后,考虑到劣化趋势序列的非线性因素,建立了一个基于VMD-TCN的时间序列预测模型,以实现对劣化趋势的准确预测。并设计多组对比实验,验证所提出模型的精度更高,时间更快。 展开更多
关键词 水电机组 劣化趋势预测 参数自适应 支持向量回归机 变分模态分解 时间卷积网络
下载PDF
基于GA-VMD分解与支持向量机的刀具故障诊断研究
18
作者 赵德宏 李永利 《沈阳建筑大学学报(自然科学版)》 CAS 北大核心 2024年第2期361-371,共11页
目的 研究非平稳性振动信号的分解方法,提出一种基于遗传算法优化后的变分模态分解方法(GA-VMD),提高刀具故障识别准确率。方法 以样本熵为目标函数值,利用遗传算法对样本熵进行迭代计算,得到变分模态分解的最佳分解层数k和惩罚系数α;... 目的 研究非平稳性振动信号的分解方法,提出一种基于遗传算法优化后的变分模态分解方法(GA-VMD),提高刀具故障识别准确率。方法 以样本熵为目标函数值,利用遗传算法对样本熵进行迭代计算,得到变分模态分解的最佳分解层数k和惩罚系数α;在此基础上,对刀具振动信号进行分解,并提取刀具故障特征,再利用近邻成分分析(NCA)对故障特征进行筛选,得到与刀具故障状态相关性较强的特征;最后将筛选后的故障特征输入到PSO-SVM分类模型中进行刀具故障诊断。结果 相较于PSO-VMD分解方法,在相同迭代次数下,GA-VMD分解方法对于刀具故障分类的准确率由92%提升至97%。结论 优化后的VMD分解方法降噪效果明显,能提取较好的刀具故障特征,刀具故障识别准确率有了明显提高,为信号分解层数以及刀具故障诊断提供了理论基础。 展开更多
关键词 vmD 特征提取 支持向量机 故障诊断
下载PDF
基于SVM的DPoS共识机制改进
19
作者 何婧 豆天晨 +1 位作者 陈琳 董云云 《计算机应用研究》 CSCD 北大核心 2024年第9期2598-2603,共6页
共识机制是区块链技术的重要组成部分,针对委托权益证明(delegated proof of stake,DPoS)共识机制中对恶意节点不能及时有效处理的问题,提出了一种基于支持向量机的DPoS共识机制改进方案(SVM-DPoS)。首先构建基于SVM的节点判别模型,通... 共识机制是区块链技术的重要组成部分,针对委托权益证明(delegated proof of stake,DPoS)共识机制中对恶意节点不能及时有效处理的问题,提出了一种基于支持向量机的DPoS共识机制改进方案(SVM-DPoS)。首先构建基于SVM的节点判别模型,通过训练好的模型分析节点的行为动机,根据判别结果及时剔除恶意节点;其次基于固定协商出块顺序优化传统算法的出块流程,提升出块效率,进一步提高了整个区块链网络的运行效率。在公开数据集上的实验结果表明,与已有的几种方法相比,改进后的共识机制能够快速剔除恶意节点,不仅维护了系统稳定性,而且增强了对恶意行为的防范能力,从而在保障区块链网络正常运行的同时,提高了整体共识的安全性。 展开更多
关键词 区块链 委托权益证明 支持向量机
下载PDF
厄立特里亚Gogne矿区VMS型矿床地质特征及找矿前景分析
20
作者 曹强 王晨昇 +1 位作者 张紫程 秦秀峰 《矿产勘查》 2024年第1期60-72,共13页
Gogne矿区位于厄立特里亚西南Bisha-Zara成矿带内,该成矿带已发现Bisha超大型VMS矿床及大型Zara金矿床。Gogne VMS矿床主要赋存于“双峰式”火山岩系中,形成于中酸性火山喷发及沉积期。火山沉积作用是矿床的首要控矿因素,具有明显喷流... Gogne矿区位于厄立特里亚西南Bisha-Zara成矿带内,该成矿带已发现Bisha超大型VMS矿床及大型Zara金矿床。Gogne VMS矿床主要赋存于“双峰式”火山岩系中,形成于中酸性火山喷发及沉积期。火山沉积作用是矿床的首要控矿因素,具有明显喷流沉积特征。钻探取心硫化物矿石具他形晶粒结构,块状构造、稠密浸染状构造。热液蚀变与矿化关系密切,主要有硅化、钾长石化、碳酸盐化、黄铁绢英岩化,沿石英脉或构造裂隙可见闪锌矿化、黄铜矿化、孔雀石化、黄钾铁矾化等。矿体具典型的双层结构,上部为似层状、透镜状的块状硫化物矿体,下部为浸染状、细脉状—网脉状或含矿蚀变体。结合化探圈定的2个甲类异常,物探异常及VMS矿床低阻、中低磁特征圈定的4个较好异常区,对比Bisha矿区VMS矿床特征,综合分析Gogne矿区具有成为规模大、资源潜力高的VMS矿床富集区。 展开更多
关键词 vmS矿床 地球化学 地球物理 成矿模式 厄立特里亚
下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部