基于DAG-SVMS的SVM多类分类方法

本文介绍了几种常用的支持向量机多类分类方法,分析了其存在的问题及缺点。在有向无环图支持向量(DAG-SVMS)多类分类方法的基础上,提出了一种新的多类分类方法。该方法采用了最小超球体类包含作为层次分类依据。试验结果表明,采用该方法进行多类分类,跟已有的分类方法相比有更高的分类精度。

基于DAG-SVMS的非侵入式负荷识别方法

在供电入口处嵌入非侵入式负荷识别技术,有利于推动建筑节能、实现电网负荷预测、开发智能楼宇、完善智能电网体系建设。据此,提出一种基于有向无环图支持向量机(Directed Acyclic Graph Support Vector Machines,DAG-SVMS)的负荷辨识方法。首先,对总线电流信号进行事件检测,检测到暂态事件后,分离目标负荷暂态电流波形,提取特征,然后,将特征输入预先训练好的DAG-SVMS模型进行分类识别。为提升分类器性能,使用粒子群优化PSO(Particle Swarm Optimization)算法优化DAG-SVMS分类器的参数。为减小累积误差,提出Gini指数优化DAG-SVMS节点顺序的策略。实验结果表明,文中方法识别准确率高,识别速度快,具有可行性。

一种基于深度图像的DAG-SVMs数字手势识别方法

基于深度图像当然DAG-SVMs数字手势识别方法采用Kinect的骨骼追踪技术对人体手部关节进行跟踪,获取手部关节的深度坐标,将深度骨骼信息融合彩色信息进行手部分割。结合边缘长度矩与Hu不变矩作为数字手势的新特征。通过构建与优化DAG-SVMs分类器,实现了对数字手势的分类识别,仿真实验结果表明,采用基于深度图像的DAG-SVMs数字手势识别方法可以有效降低光照强度干扰,且平均识别率达到98%。

基于小波包分解与DAG-SVM的柱塞泵故障诊断

针对柱塞泵检测诊断中故障特征模糊、成因复杂、难以准确定位的问题,结合决策树与支持向量机提出一种基于小波包分解与DAG-SVM的柱塞泵故障诊断方法。该方法预先对所用C-SVM和RBF核函数的参数进行优化,而后采用db5小波包对泵体振动信号进行三层分解以提取特征向量,将特征向量输入支持向量机完成其训练及模式识别过程。同时设计了柱塞泵故障诊断的一体化装置,通过模拟不同故障,利用已知故障样本完成支持向量机的训练过程,进而对待测样本进行故障模式识别。诊断结果与样本已知状态相符,验证了该方法的准确性。

基于类间可分性DAG-SVM的文本分类

本方法采用了以类间分布和类间中心距离作为依据,对有向无环图结构进行调整,以解决传统的DAG-SVM多分类结构固定、单个节点位置随意引起的"误差累积"严重的缺陷.实验表明,该改进后的DAG-SVM文本分类方法,对文本分类准确率有一定的提高.

基于DAG-SVM算法的城市路灯照明系统的研究

针对目前城市路灯照明采用手动、感应式和定时控制等路灯控制方式引起电能浪费及智能化程度低的问题,设计了一个新的城市路灯照明系统.该系统由路灯节点控制器、集中控制器、云服务器和后台管理系统共4层结构组成.依托该系统结构,提出有向无环图支持向量机(DAG-SVM)的6分类调光算法.实验结果表明:与手动、感应式和定时控制方式相比,采用DAG-SVM算法的路灯照明系统不仅调光更智能准确,而且节能效率分别提升57.5%、14.5%和5.0%,且系统节能达到63%.

基于DAG-SVM的煤矿井下输送装置故障在线检测

针对现有故障在线检测方法分类性能差、检测率低的不足,提出一种基于DAG-SVM的煤矿井下输送装置多故障在线检测方法。提取井下输送装置各构成零部件的原始故障信息,对故障信号进行降噪和归一化处理,得到高频特征向量;利用DAG-SVM故障分类方法,根据故障特征向量的种类和数量构造多个分类器,通过两两比对准确识别出故障类别,并预估出故障样本的演化趋势。数据仿真结果表明:利用所提出方法确定的超平面更为合理,该方法分类精度高,多故障综合在线检测准确率达到99.47%,显著优于现有检测方法。

基于脉冲电流和紫外脉冲的多源局部放电诊断方法

本研究提出了一种基于脉冲电流法和紫外脉冲法联合检测的多源局部放电诊断方法,针对4种基本缺陷模型,搭建了开关柜多源局部放电实验平台。对联合检测得到的局部放电信息特征进行提取并构建数据库,使用k近邻(KNN)算法和有向无环图支持向量机(DAG-SVMs)算法对局部放电类型进行识别。结果表明:脉冲电流法测得的放电图谱中放电次数和放电量的变化与模型中缺陷种类有关,气隙、沿面缺陷的引入使放电量增大和图谱对称性提高,电晕缺陷的引入使放电次数增多;紫外脉冲法测得的放电脉冲数与多源放电模型中缺陷个数和缺陷的紫外/可见光比值有关,缺陷个数和紫外/可见光比值越高,放电脉冲数越大;KNN算法识别准确率最高可达到99.67%。

一种建筑信息模型分类方法

数字化的建筑信息大量存在和应用于建筑设计、城市规划等领域。目前,由于建筑信息模型的数据量急剧膨胀,为克服"数据丰富而知识匮乏"现象,对其进行基于内容的模型分类十分必要。提出一种结合空间句法理论和基于SVM决策分类的模型分类方法,首先对建筑信息模型建立RCARG(Room Connectivity Attributed Relational Graphs)模型,提取出建筑信息模型的模型固有特征,并结合空间句法理论而扩充出模型空间构形特征,在常用的DAG-SVMS分类算法的基础上增加特征向量均衡化的过程,减少决策分类时误判几率,以实现高精准度分类效果。实验结果表明,该方法与KNN和DAG-SVMS算法相比,具有较高的分类精准度。

面向传感网络多源数据融合的SVM方法

由于多源传感数据及其噪声构成复杂的非线性可分空间,数据融合是目前在资源受限的传感网络中安全、准确和高效地消除冗余数据的重要方法。结合SVM泛化能力强、凸优化的特点,侧重分析了非线性可分多源数据集转化为高维线性可分空间的可行性方法。仿真实验结果表明,宽度参数范围预估方法可以加速高斯核宽度参数的确定。针对多分类情形,仿真实验结果表明,通过控制误差积累,更能确保分类的有效性。

基于短期SF_6气体分解产物数据的绝缘故障诊断研究

维护电力系统中气体绝缘封闭组合开关设备的稳定运行,通过SF_6气体分解组分对设备绝缘状态进行早期的故障诊断是其中关键步骤。为了提升短期SF_6数据存在识别率不高技术难点,首先提出基于信息熵理论和主成分分析法的综合评价方法。然后建立数据变量特征评价模型,对于气体特征量选取有指导意义。其次通过搭建局部放电实验平台对SF_6气体进行分解实验,得到的短期数据进行方法验证。最后,使用原数据与通过验证后新特征变量数据进行多分类SVM分类比对,结果表明,满足评价模型数据可以提高其识别正确率。

一种高准确度多分类结构选择方法

支持向量机SVM是目前最流行的二分类算法之一。现实生活中数据集大多要求能够进行多分类,而有向无环图DAG方法是将SVM应用扩展到多分类的用得最多的方式之一,它调用分类器次数较少,执行速度快,但是由于有错误向下累积和分类偏向性等情况存在,会影响DAG分类结果的准确度。在使用DAG-SVM的时候,对于k种类别有k!种不同的备选结构,根据数据集特性选择合适的DAG结构能够有效提高结果的准确度。提出使用估计准确度的方法,从备选结构中用穷举法选择出最高准确度估计值的DAG结构,以此作为测试集的结构进行分类。实验结果表明,相较其它方法,测试数据集采用该方法选择的DAG结构后的分类准确性得到显著提高,在对类别数量不太多的数据集进行多类分类时有较好的效果。

基于双超平面的电力通信网业务QoS评价方法

为解决传统业务服务质量(Quality of Services,Qo S)评价算法客观性不足、评价效率低等问题,将业务Qo S评价映射为业务Qo S等级分类,提出了一种基于双超平面(Double Decision Hyperplane,DDH)决策图的电力通信网业务实时Qo S评价方法。该方法提取业务网络层特征来表征业务的服务质量,以Qo S等级已知的现有业务作为分类器的训练样本,由分类器的构造顺序来确定决策图的形成。此外,算法对传统类间耦合度进行了重新定义,并在决策图各层按照最小类间耦合度原则依次构造分类双超平面,实现业务Qo S等级的不完全三分类,避免了传统多分类决策图低层结点"误差崩盘",自适应性低及决策图结构固定等问题。仿真结果证明,DDH决策图在电力业务Qo S评价中比经典DAG-SVM方法具有更短判决时间和更优分类性能,可更好地实现电力业务Qo S实时准确评价。

基于移动用户众包数据的室内平面图感知

针对大型室内环境空间结构和对象实体经常变化进而影响提供实时位置服务的问题,设计了一种利用移动用户众包位置数据感知室内平面图的方法。方法使用来自移动用户的众包数据进行室内平面图的重建,首先应用Voronoi图对室内空间进行空间区域划分,以寻找室内环境下空间的拓扑关系;然后利用拓扑关系约束有向无环图支持向量机(DAG-SVM)生成空间对象的几何特征;最后,联结拓扑关系和几何特征构建室内空间平面图。实验结果表明本文的方法能够感知室内空间平面图。

互联网环境下基于改进支持向量机的高校教学评价研究

教学评价是高校教学中非常重要的一环,一般的多分类SVM会存在不可分区域,用其来进行教学评价,会影响教学评价的效果。为提高高校教学评价准确性,结合高校课堂教学的实际情况,提出了一种改进支持向量机的高校教学评价方法,并且引入DAG-SVM多分类方法和FMSVM多分类方法来解决不可分区域问题。通过用一般的多分类方法、FMSVM多分类和DAG-SVM多分类方法进行实验比较。结果表明,文章方法对教学评价的准确性有一定的提高。