C-SVM在不同类别样本数目不均衡下的优化

在解决故障检测等分类问题时,若不同类别样本数目相差很大,C-SVM训练的分类错误总偏向于样本数较少的类别,因而影响了分类的精确性.为提高精确性,提出一种优化算法,在训练过程中针对不同类样本,采用不同的权值来优化训练过程,按正负类样本在总样本中所占的比例,加大样本数较少的类别权值,降低样本数较大的类别权值来实现两类样本间的均衡.实验结果表明,该方法对两类样本数目相差很大的问题有效.

基于C-SVM的碎米检测算法研究

提出了一种基于支持向量机(C-SVM)区分整精米和碎米的方法,首先对大米图像进行阈值分割、平滑处理等图像预处理,并根据大米的粒形特点,提取米粒的面积、周长等6个形态特征,利用Orange Canvas数据挖掘软件对C-SVM中核函数参数进行预判,最终选择线性核函数的C-SVM作为分类器进行分类。对8组大米样本图像进行碎米测试,可达到较好的分类效果。试验结果表明,线性核函数的支持向量机对精整米与碎米识别分类准确率为95.6%。

基于C-SVM分类器对影响乘客选择出行方式的模型建立与求解

随着我国铁路技术的高速发展,高速铁路的里程已经超过20000 km,高速铁路可以减少人们出行时间以及增加乘客乘车舒适度等优势。因此,越来越多的人选择高速铁路出行。对于大学生而言,铁路运输是假期回家不可缺少的交通方式,选择乘高铁回家的学生越来越多。但由于种种因素,还是会有学生选择乘普通火车回家。考虑到影响学生搭乘高铁和普通火车的因素较复杂并有较大的研究空间,故文章将对此进行分析,并且判别其内在逻辑和数据结构的相关性。通过建立二分类器,对乘客选择乘坐高铁还是火车进行分类和预测。

多准则赋权排序与C-SVM相结合的特征选择算法

数据挖掘中所获取的数据维数多,常常导致数据存储所需容量大,知识挖掘所需时间长,预测正确率不高等问题,特征选择是解决上述问题的重要方法之一。针对现有特征选择算法最佳特征个数难以确定及分类准确率有待进一步提高等问题,提出一种同时考虑相关性和冗余度的多准则赋权排序的算法(m CRC),m CRC结合两种准则同时对特征进行排序,并利用C-SVM对按重要性降序排好的特征采用顺序前向浮动搜索得出最佳特征子集。实验结果表明,m CRC算法与单独基于互信息或类别可分性赋权排序的特征选择方法相比能在更短的时间内获得分类性能更好的最佳特征子集,为快速并高效地对数据集进行挖掘提供了有力保障。

基于C-SVM的期货订单簿量化择时交易策略研究

文章利用机器学习支持向量机算法中的C-SVM模型来对期货进行择时,构建基于C-SVM的期货订单簿择时交易策略模型,以上海黄金期货主力合约订单簿数据,引入交易止损机制进行回测评价,通过与实际真实交易信号对比,可以发现基于该模型预测的择时交易信号准确率较高,从而验证基于C-SVM的期货订单簿量化择时交易策略是有效的,可以辅助决策期货交易,选择合适时机进行期货合约买卖盈利。

C-SVM动态仿真模型下的光伏建筑一体化板块投资策略研究

目前,光伏建筑一体化板块作为新兴板块,对板块指数发展趋势做出预测,了解板块相应行业未来的发展趋势。文章基于C-SVM动静态仿真等多种模型选择最佳投资方案。文章首先利用多元非线性回归分析计算股票的未来走势,对36家公司进行排序,初步确定风险大小,其次通过C-SVM静态仿真获得买卖信号,进一步利用具备止损测试机构的C-SVM动态仿真模型得出最佳的投资方案。仿真结果显示最终得到年获利率为10.03%。

基于PCA和C-SVM的涡轮部件故障诊断

针对某型三轴燃气轮机高、低压涡轮部件容易出现的8种故障,提出一种基于PCA(主成分分析)与C-SVM(C-支持向量机)相结合的涡轮部件故障诊断模型。采用主成分分析方法对表征涡轮部件故障模式的测量参数进行特征提取,选择对故障模式影响最大的若干主成分作为C-SVM的输入样本,进而对高、低压涡轮部件故障进行诊断。通过实验表明,即使在较少样本的情况下,应用PCA与C-SVM相结合仍能取得较好效果。

结合AB-SMOTE和C-SVM的中文倾向性句子识别

提出一种结合AB-SMOTE和C-SVM的中文倾向性句子识别算法.该算法先利用AB-SMOTE方法合成新样本,降低不平衡程度的同时也使数据具有更好的代表性,再对不同类别赋予不同的惩罚系数形成代价敏感的C-SVM分类器,充分结合了数据层和学习算法层方法的优点.实验结果表明,对酒店、笔记本电脑和书籍3个不平衡语料处理时,本算法能较有效解决不平衡问题,提高倾向性句子的识别精度.

楼阁式古塔建筑夜景照明色温表现视觉适宜性评价研究

为改善楼阁式古塔建筑夜景照明效果不良的现状,合理优化楼阁式古塔夜景照明色温表现视觉适宜性,在只考虑色温效果视觉呈现的基础上,结合古塔周边夜景照明实际环境特征、古塔照明设计色温应用现状及照明手册色温推荐,开展不同模拟场景下的楼阁式古塔夜景照明色温视觉舒适度主观评价实验,将视觉舒适度评价值作为标签,利用C-SVM支持向量机分类算法构建在不同色温及亮度工况下楼阁式古塔夜景照明色温视觉舒适性主观评价模型,并通过散点图及ROC曲线,对比不同分类模型的分类界面及结果,得到楼阁式古塔建筑最佳色温及亮度表现区间,在不同色温及亮度工况下与视觉舒适度之间的映射关系,进而对楼阁式古塔建筑照明设计色温表现情况进行评价和预测。将C-SVM分类算法与照明领域问题相结合,为设计者更好地利用照明手段还原人们心目中本质的楼阁式古塔建筑特性提供理论依据,改善楼阁式古塔建筑夜景照明效果。

基于二维Gabor小波与AR-LGC的人脸特征提取算法研究

针对Gabor小波提取的特征信息不够全面以及维数灾难问题,提出了一种基于二维Gabor小波与AR-LGC人脸特征提取的改进算法。首先利用二维Gabor小波提取归一化人脸图像的特征信息,使用AR-LGC算子对提取的Gabor特征进行编码;然后对编码后的Gabor特征图谱进行划分,对每个子块进行直方图统计,将其串联形成人脸表情特征向量并利用PCA进行数据压缩,最后利用C-SVM进行分类识别。实验结果表明,平均识别率为93.33%的比AR-LGC+SVM,Gabor+PCA+SVM提取特征算法的平均识别率分别高6.19%,3.33%。因此所提出的算法在人脸图像的特征信息提取方面有一定的参考价值。

关于支持向量分类机算法的研究

研究分析了标准的支持向量机(C-SVM)、v支持向量机(v-SVM)等五种算法,利用仿真实验从分类精度,计算效率,扩展性等五个方面对上述五种算法进行了分析比较。

基于参数优化SVM的旋转机械故障诊断

介绍了支持向量机(SVM)分类算法,针对常用的C-支持向量分类机(C-SVM)中参数没有确切意义、选取困难的缺点,将ν-支持向量机(ν-SVM)用于对旋转机械振动故障的诊断,通过对实验台模拟数据进行训练、分类和测试,取得了良好的诊断效果。并通过现场故障实例证明了这种方法的准确性。

基于特征分组的多核融合在线自适应识别算法

为提高C-SVM的泛化性能,提出一种基于特征分组的多核融合在线自适应识别算法.此算法首先把特征按照待识别样本集的特性分为若干组,然后根据各组特征的特性采用不同的核函数训练C-SVM模型,并分别把各个模型支持向量间的相似度作为其权重系数,通过自适应样本不断调整权重系数和模型参数,使得C-SVM模型的参数能够随着待识别样本特性的变化而自适应地变化.将此算法应用于非特定人语音情感识别系统,与RBF核、多项式核和Sigmoid核的对比证明了多核融合在线自适应识别算法的优越性,通过与中性语句归一化方法相比证明了本文算法的有效性和稳定性.

基于支持向量机的模式识别方法

基于统计学习理论的支持向量机(SVM)方法是现代智能技术的一个重要分支。SVM实现了结构风险最小化(SRM),而不是经验风险最小化(ERM),在保证分类精度的前提下,提高了分类器的泛化能力。着重讨论C-SVM原理,并在此基础之上,对算法进行了测试。测试结果表明,C-SVM分类算法具有较好的推广能力。

基于精简矩阵变换器的海上风电高压直流输电控制策略

海上风力发电与高压直流输电(HVDC)结合是未来风力发电及其电能传输的发展方向。受空间、运输、维护成本的限制,海上风电HVDC对功率变换器的体积、效率、可靠性提出了更高要求。精简矩阵变换器(RMC)具有体积小、重量轻、转换级数少、可靠性高等特点,在海上风电HVDC中有着巨大的应用价值。在对电流型RMC空间矢量调制策略进行深入分析的基础上,针对直驱式永磁同步风力发电机组特点,提出了基于RMC和电压源换流器(VSC)的海上风电HVDC综合控制策略,实现了风电机组最大风能跟踪控制及并网侧有功/无功功率的解耦控制。仿真结果验证了所提控制策略的正确性和有效性。

基于IPSO混沌支持向量机的网络流量预测研究

针对传统混沌支持向量机参数寻优算法的不足,提出了一种改进的粒子群(IPSO)算法。该算法通过延长迭代的开始阶段和最后阶段的搜索时间,实现了算法的全局搜索与局部搜索能力之间的平衡,进而优化模型参数,建立了基于IPSO优化的混沌支持向量机预测模型。应用实例结果表明,该模型对网络流量预测是有效可行的,并具有较高的寻优效率、预测精度和较好的稳态性能。

基于电流空间矢量预测控制的HFLMR研究

高频链矩阵整流器是一种新型的电力电子变换器,具有体积小、重量轻、转换级数少和可靠性高等特点。分析了高频链矩阵整流器的双极性空间矢量调制策略,提出了基于参考输入电流空间矢量的预测控制算法,建立了基于该预测控制算法的高频链矩阵整流器系统仿真模型。该预测控制算法具有计算量小,开关频率固定,可靠性高等特点,能实现高频链矩阵整流器输入侧电流正弦、单位输入功率因数和稳定的输出直流电流。仿真结果验证了所提控制策略的有效性。

数据集不均衡下的设备故障程度识别方法研究

在机械故障诊断中,由于故障样本难以收集且数量远远少于正常样本,即产生数据集不均衡问题。这将导致传统的分类算法如支持向量机(SVM)在处理不均衡分类问题时对少数类样本(故障样本)的分类准确率过低。加权支持向量机(C-SVM)算法是一种处理样本集不均衡问题的常用算法,可以在一定程度上改善少数类样本的分类准确率。但是在故障程度相近时会导致样本间距过小,加权C-SVM算法对这类故障样本的识别精度不理想。为提高数据集不均衡下故障程度相近样本的分类准确率,采用二叉树结构与加权C-SVM相结合的方法,综合考虑样本类间距离、类内距离和不均衡程度,优化二叉树结构。结果表明,该算法能够有效处理样本距离过近的不均衡数据集分类问题,从而提高了故障程度相近样本的分类准确率。

基于改进的C-支持向量机的手写体数字高识别率方法研究

手写体数字的识别在社会经济、社会生活的许多方面都有着广泛的应用。同时支持向量机是近几年来模式识别领域中的一种新技术,它被广泛应用到文字识别、人脸识别等应用中。为此将支持向量机技术应用到手写体数字的识别中,通过使用改进的C-支持向量机进行手写体数字的识别,并得出相应的识别率,结果表明此方法可行且有较高的识别率。

基于C-支持向量机的教室投影阅读舒适度评价

幻灯片投影教学已成为我国高校及中小学校的主要授课模式,其投影质量容易受到环境光的干扰。通过教室模拟空间中的主观评价实验,建立了一种基于C-支持向量机(C-supportvectormachine,C-SVM)算法的教室照明环境下投影阅读舒适度评价模型。模型评价结果表明,该模型对于投影阅读舒适度的识别具有很高的预测准确率,并通过模型的可视化结果探讨了其对于教室光环境设计的实际应用价值。