支持向量机回归在线建模及应用

支持向量机 (SVM)回归理论与神经网络等非线性回归理论相比具有许多独特的优点。讨论了建模中 SVM核函数、损失函数的选取和容量控制等问题 ,并用实验加以验证。将 SVM回归动态建模理论应用于非线性、时变、大时延温室环境温度变化的建模和预测 ,模型简单 ,预测效果好。

考虑一般投资收益和时间相依索赔情形下二维带扰动风险模型的有限时间破产概率渐近估计

考虑具有一般投资收益过程的二维带扰动保险风险模型,假定保险公司盈余的投资收益过程由右连左极随机过程刻画,且两种索赔额与索赔到达时间间隔服从Sarmanov相依结构.当索赔额分布属于正则变化尾分布族时,得到有限时间破产概率的渐近公式.当描述投资收益过程的右连左极过程分别取Lévy过程,Vasicek利率模型,Cox-Ingersoll-Ross(CIR)利率模型,Heston模型时,得到相应投资收益情形下破产概率的渐近公式.

基于四维四元数频域的彩色图像双重水印算法

针对现有基于四元数离散傅里叶变换(QDFT)的算法没有充分利用QDFT的四维系数空间、没有嵌入非彩色水印图像和存在水印能量损失等不足,提出了一种彩色图像盲双重水印算法,并用其将有意义的彩色和二值双重水印嵌入到QDFT频域系数的4个分量中。采用单位纯四元数k,首先建立了QDFT系数各分量与彩色图像三通道传统离散傅里叶变换(DFT)之间的关系,然后给出了修改系数嵌入水印需保持的对称性,最后结合QDFT、Arnold变换和冗余嵌入策略进行水印嵌入和提取。实验结果表明:本文算法能较好地平衡不可见性和鲁棒性。

基于作物响应的温室环境SVMR控制仿真

在温室环境控制中,传统的根据专家经验的设定值确定控制的目标,由于经验的局限性和作物生长的适应性等原因而不能准确确定设定值,影响温室生产的效率。该文采用仿真模型,研究根据作物响应自动确定控制目标的温室环境控制方法。根据作物生长模型和温室环境变化模型采用遗传算法自动确定温室环境的设定值,采用稳定性、鲁棒性好的OS-LSSVMR(在线稀疏最小二乘支持向量机回归)内模控制进行温室环境控制。通过仿真,在相同室外条件下,基于作物响应的温室环境控制方法消耗的能量更少,作物的干质量增加的更多,控制的精度更高。说明了该方法与传统的控制方法相比较,具有节能、稳定性好等特点,可以提高温室生产的经济效益。

日气温多元时间序列局部支持向量回归预测

气温预报是天气预报的重要因素之一,但大气系统是一个复杂的非线性系统,要提高预报精度,需要探索新的预报方法。研究一种多元时间序列局部支持向量回归的日气温预测方法,以日最高、最低气温为例,使用C-C方法和最小预测误差法构造日最高、最低气温的多元时间序列,将分段提取最近邻点的方法应用于局部支持向量回归,建立提前1天的每日最高、最低气温局部预测模型。以中国753站资料包中的数据进行仿真实验,与欧氏距离提取最近邻点相比,分段提取最近邻点的方法能有效提高日气温的预测精度。多元时间序列局部预测模型在日气温的短期预测(10天以内)上比单元时间序列有着更好的应用价值。

基于USB的温室环境便携式数据采集器

为提高温室生产的管理和自动化水平,针对中国农村的经济条件较差、基础设施相对比较薄弱的国情,研究一种具有低成本、高性能等特点的数据采集器。数据采集器以具有USB接口的高性能EZ-USB单片机作为核心器件,以大存储容量的Flash存储器作为数据存储单元;同时为了降低价格减小体积采用串行A/D和键盘输入作为输入单元,为了操作方便采用液晶作为显示单元。采用VC编制了USB主机的驱动以及上位机数据处理软件,设计了实际应用实例。该采集器具有性价比高、体积小、便于携带和使用等特点,适合进一步的推广应用。

现场总线与温室智能控制的设计方案

介绍了现场总线的特点、种类及其国际标准发展情况 ,分析了国内外发展现状 ,阐述了其在温室智能控制方面的意义以及应采取的对策 ,给出了实现温室智能控制硬件结构的详细设计 ,包括系统的总体设计 ,主站接口板卡、智能变送器。

在线稀疏最小二乘支持向量机回归的研究

现有最小二乘支持向量机回归的训练和模型输出的计算需要较长的时间,不适合在线实时训练.对此,提出一种在线稀疏最小二乘支持向量机回归,其训练算法采用样本字典,减少了训练样本的计算量.训练样本采用序贯加入的方式,适合在线获取,并且该算法在理论上是收敛的.仿真结果表明,该算法具有较好的稀疏性和实时性,可进一步用于建模与实时控制等方面的研究.

一种基于支持向量机的内模控制方法

在基于数据的基础上,采用SVM回归理论建立系统的正向模型和设计逆模控制器.首先简要介绍了SVMR的原理,然后将其应用于内模控制问题,并建立了SVMR模型.其次,在控制过程可逆的条件下设计了SVMR控制器.最后将该控制方法应用于一可逆非线性系统和具未知干扰的温室环境控制问题,仿真结果表明该方法与神经网络IMC相比,具有较简单的模型和较好的控制性能.

支持向量机控制与在线学习方法研究的进展

支持向量机以其模型结构简单、较好的推广能力和全局最优解等特点已经被用来进行智能控制的研究,主要包括采用支持向量机回归的非线性时间序列的建模与预测、系统辨识等建模方面的研究以及优化控制、学习控制和预测控制等方面的研究以及采用支持向量机的故障诊断的研究。由于现有SVMR基于二次规划的优化方法不适合控制过程的在线训练,因此出现了对SVMR在线训练算法的研究。分析了国内外这些研究内容的最新研究进展,旨在探讨归纳支持向量机在控制领域研究的主要成果和存在的问题,以便为进一步的研究提供一定的支持与帮助。

非线性不确定系统的OS-LSSVMR内模控制

针对非线性、不确定性对象内模控制不易精确建模的问题,提出OS-LSSVMR(online-sparse-least-squares-support-vector-machines-regression)在线调整模型的内模控制方法.首先介绍一种具有在线建模和稀疏性解的OS-LSSVMR;再采用OS-LSSVMR建立内模控制的正向模型,对模型可逆并且唯一的非线性系统设计逆模控制器;在模型偏离被控对象时在线修正正逆模型.仿真表明,该方法对非线性不确定性系统具有较好的实时性、鲁棒性和在线校正功能.

基于GA的SVMR预测控制研究

研究高精度、有效、简单的信息预测模型是目前非线性预测控制需要解决的重要问题.SVMR建模方法简单、理论基础完备,所反映的是系统的非线性特征,在建立非线性模型中与神经网络等非线性回归方法相比具有许多独特的优点.为此,提出一种SVMR预测控制结构,利用SVMR建立非线性系统模型,利用GA进行滚动优化.实验证明,这种预测控制具有良好的非线性控制效果.

Banach空间中Φ－miking序列的完全收敛性

研究了Ｂａｎａｃｈ空间中，Ｐ＞２时Φ－ｍｉｘｉｎｇ序列和的完全收敛性问题。通过用截断和高阶矩分析的方法，获得了在部分和二阶矩为ｎ２σ－η（η＞０）阶无穷小时．此Ｂａｎａｃｈ空间中Φ－ｍｉｘｉｎｇ序列的完全收敛性。

NA序列部分和的矩完全收敛性

讨论了NA序列部分和的矩完全收敛性,在一定条件下获得了NA序列矩完全收敛的充要条件,显示了矩完全收敛和矩条件之间的关系,将独立同分布随机变量序列矩完全收敛的结果推广到NA序列,得到了与独立随机变量序列情形类似的结果.

温室环境的支持向量机回归建模

温室气候是一个复杂的动态系统 ,传统的建模方法很难建立精确有效的温室气候模型。本文引入一种支持向量机回归建模方法来建立温室气候模型 ,这种方法根据历史数据建立气候模型 ,并用当前数据检验修正模型。对实际温室数据进行了建模实验 ,取得了较好的效果。

基于数据依赖核支持向量机回归的风速预测模型

针对风速随机性大、影响因素多、预测准确度不高的情况,基于支持向量机与信息几何的统计学关联性,从信息几何学角度分析核函数的几何结构,构造数据依赖核函数,并与支持向量机回归相结合,形成数据依赖核支持向量机回归(Data Dependent Kernel-SVR,DDK-SVR)方法.将该方法用于风速预测中,建立DDK-SVR风速预测模型,并将预测结果与传统支持向量机、神经网络方法进行对比.结果表明,DDK-SVR方法具有更高的预测精度.

基于四元数表示的彩色图像混合噪声去噪（英文）

为了能够更加有效地恢复受混合高斯和脉冲噪声污染的彩色图像,采用基于四元数的彩色图像整体处理方案,提出了一种彩色图像混合噪声去噪算法.首先,通过一个纯四元数矩阵表征一幅彩色图像;然后,根据高斯噪声和脉冲噪声的不同特性,采用基于四元数方向矢量排序统计的算法检测脉冲噪声位置;最后,将针对高斯噪声的基于四元数最优权值的非局部均值滤波器进行改进以应用于混合噪声图像去噪,在权值计算时不考虑已被检测出的脉冲噪声点.对5幅标准图像的实验结果表明,所提算法的去噪效果优于目前常用的ROR-NLM(robust outlyingness ratio-nonlocal means)算法和最优权值混合滤波器.

一类神经网络算法的渐近行为

研究了一类连续型全反馈人工神经网络的稳定性,通过求解简单的一维微分方程,给出了这类神经网络系统的解的解析表达式,利用解的解析表达式证明了当A的特征值0l,至少有一个特征值为负时,网络的一切从Rn中的单位超球内出发的解收敛于原点或单位超球内的一点.

多输出数据依赖核支持向量回归快速学习算法

针对基于递推下降法的多输出支持向量回归算法在模型参数拟合过程中收敛速度慢、预测精度低的情况,使用一种基于秩2校正规则且具有二阶收敛速度的修正拟牛顿算法(BFGS)进行多输出支持向量回归算法的模型参数拟合,同时为了保证模型迭代过程中的下降量和全局收敛性,应用非精确线性搜索技术确定步长因子。通过分析支持向量机(SVM)中核函数的几何结构,构造数据依赖核函数替代传统核函数,生成多输出数据依赖核支持向量回归模型。将模型与基于梯度下降法、修正牛顿法拟合的多输出支持向量回归模型进行对比。实验结果表明,在200个样本下该算法的迭代时间为72.98 s,修正牛顿法的迭代时间为116.34 s,递推下降法的迭代时间为2 065.22 s。所提算法能够减少模型迭代时间,具有更快的收敛速度。

课堂问题设计与思维能力培养

当前我国的教育正在由“应试教育”向“素质教育”转变。数学教育要实现这一目标,首先必须解决学生数学能力的培养,而数学能力的核心是数学思维能力。亚里士多德曾精辟地阐述:“思维从问题、惊讶开始。”正是如此,每个数学教师在进行数学教学时,或多或少、自觉或不自觉地总要设计一些问题,启发学生去思维。本文根据它们之间的联系,谈谈课堂问题设计与数学思维能力培养的关系。