基于引力搜索核聚类算法的水电机组振动故障诊断

核聚类是一类有效的水力发电机组振动故障诊断方法,为了解决核聚类有效性评价和核参数选择的问题,提出了一种引力搜索核聚类算法。首先建立以核Xie-Beni指标为目标的聚类模型;然后引入引力搜索框架,以聚类中心和核函数参数为优化变量,通过引力搜索求解核聚类模型;最后定义了基于核空间样本相似度的故障诊断模型。利用国际标准样本集对该方法进行分类测试,并将该方法应用于水电机组振动故障诊断。试验结果表明:与传统聚类方法相比,文中方法具有更高分类精度,且能对故障样本准确聚类并提取诊断模型参数,实现故障的准确诊断。

基于加权模糊核聚类的发电机组振动故障诊断

对模糊C均值(fuzzy C-means,FCM)在机组振动故障诊断中存在不足,提出了一种加权模糊核聚类方法(weighted fuzzy kernel clustering,WFKC)。该方法用Mercer核将样本从输入空间映射到高维特征空间,在特征空间进行聚类,同时考虑到不同特征对聚类结果的不同影响,利用基于样本相似度的加权方法对特征进行加权,在特征空间实现加权模糊聚类。用3组标准测试数据集验证了该方法的聚类效果和分类准确性。最后将该方法应用于发电机组故障诊断,应用实例表明所提出的方法有效,诊断结果可靠。

基于支持向量机的织物悬垂性能评估分析

针对织物悬垂性评估中存在非线性建模困难及评估精度不高等问题,结合织物悬垂性参数数据的特点,基于Mercer核函数的性质,构建Mercer核函数的织物悬垂性评估模型。通过实验,认为其评估精度有了相应的提高,说明基于Mercer核函数的织物悬垂性评估模型是可行的。同时,通过改变参数值进行实验,结果表明这些参数的取值不同对评估结果有影响,且不同参数对评估结果影响的程度也不同,这对基于支持向量机的织物悬垂性评估过程有重要的指导作用。

结合Mercer核与SOM的动态免疫网络聚类算法

提出一种用于聚类分析的进化免疫网络算法,借鉴自组织映射原理改进网络拓扑进化机制,利用改进的免疫机制控制抗体数量,提高抗原聚类效果.当输入样本分布呈高度非线性时,使用核方法提高聚类质量,为了避免在特征空间中聚类时失去对原输入空间聚类中心及结果的直观刻画,使用核代入为原输入空间导出一类不同于欧氏距离的新的距离度量,训练过程仍在原空间中进行.实验结果表明了算法的可行性和有效性.

一种新的核化SVM多层分类方法

利用核化思想提出了一种新的SVM多层分类算法。该算法的基本思路是:先利用Mercer核,将输入空间非线性可分的训练样本映射到高维特征空间Hilbert中,使之线性可分,然后采用最小超球体类包含作为层次分类的依据来生成二叉决策树,从而实现在高维空间中的多类分类。实验表明,采用该算法进行多类分类,可以有效地解决输入空间非线性可分问题,并可在一定程度上提高分类器的分类精度。

一种改进的支持向量机文本分类方法

为了解决传统的支持向量机(SVM)多类分类方法中普遍存在的训练和测试时间过长、实际样本输入空间非线性可分等问题,提出了一种改进的支持向量机多类分类方法。首先,利用Mercer核函数把实际输入样本向量空间中呈非线性可分分布的样本向量映射到一个高维的特征向量空间,以实现线性可分;然后,采用二叉树来创建高维特征空间中的SVM多类分类器,实现分类识别;最后,将该方法应用到网络文本分类中。实验结果表明,该方法较好地解决了多类文本分类中实际输入文本向量呈非线性可分的问题,降低了训练和测试过程中的时间消耗,且在一定程度上提高了多类文本分类的识别准确率。

Logistic核函数及其在语音识别中的应用

核函数是支持向量机(SVM)的核心,直接决定着SVM的性能.为提高SVM在语音识别问题中的学习能力和泛化能力,文中提出了一种Logistic核函数,并给出了该Logistic核函数是Mercer核的理论证明.在双螺旋、语音识别问题上的实验结果表明,该Logistic核函数是有效的,其性能优于线性、多项式、径向基、指数径向基的核函数,尤其是在语音识别中,该Logistic核函数具有更好的识别性能.

随机梯度下降法的收敛速度(英文)

本文研究了正则化格式下随机梯度下降法的收敛速度.利用线性迭代的方法,并通过参数选择,得到了随机梯度下降法的收敛速度.

基于群智能加权核聚类的水电机组故障诊断

针对核聚类中核参数选择依赖经验,最优聚类中心难以有效获取的问题,提出了一种仿电磁蜂群加权核聚类算法。首先,考虑不同特征对聚类结果的影响,对样本进行加权处理,利用核空间的Xie-Beni指标建立加权核聚类模型;然后,提出并引入仿电磁蜂群算法求解聚类模型,实现聚类中心、特征权重与核参数的同步寻优。利用该方法分别对3组标准测试样本集以及水电机组故障样本进行聚类测试,并与传统方法进行对比分析。试验结果表明,提出的仿电磁蜂群加权核聚类算法较传统聚类方法具有更高的精度,能够有效实现水电机组振动故障的准确聚类与识别,完成故障诊断。

一种混合核函数支持向量机算法

提出一种基于混合核函数的支持向量机算法.首先证明了常用核函数的非负线性组合也是满足Mercer条件的核函数.然后通过最小化衡量二次损失函数支持向量机泛化能力的RM界来进行各子核函数参数、混合核函数组合系数以及惩罚系数的选取.仿真实验表明,基于混合核函数的支持向量机的泛化性能优于基于单一核函数的支持向量机.

一类函数方程的有界解(I)

研究了由学习理论引入的函数方程f(x-y)-f(x+y)=2g(x)g(y)有界连续解,证明了f(x),g(x)必为如下形式的三角函数,f(x)=M20cosαπx+C0,g(x)=±M02sinαπx;其中c0,α为大于0的常数,M0为实常数。上述结论的意义在于,可以构造如下形式的Mercer核,K(x,y)=f(x-y)-f(x+y);从数学意义上,证明了满足上述方程的函数一定为三角函数,也即给出了三角函数的一种方程形式的刻划。

支持向量机的正定核(英文)

探讨并论证了支持向量机中Mercer核,再生核与正定核这几种核函数的关系及它们在支持向量机中各自的角色。通过核矩阵的正定性检验了核函数的构造方法。基于Bochner定理,在Fourier域验证了许多平移不变核函数。基于Schoenberg定理验证了一些旋转不变径向核。最后讨论了离散尺度与小波核函数的构造,核函数选择与核参数学习。

利用傅立叶变换筛选核函数的方法

分析了支持向量机理论中核函数与傅立叶变换的关系,证明了基于傅立叶变换的核函数在一定条件下必定满足Mercer条件。在这些结论的基础上,提出了利用傅立叶变换筛选核函数的方法,并给出具体的实例。

某些Mercer核矩阵的权范数

借助整函数插值研究由函数的广义平移所生成的Mercer核矩阵及其逆矩阵权范数的上、下界估计问题,将定义在无限区间上整函数的广义平移所生成的Mercer核矩阵权范数界的估计转化为其Fourier-Bessel变换来估计.

支持向量机Mercer核的若干性质

目前支持向量机在模式分类中得到了很好的应用。对于线性不可分的样本空间,需要寻找核函数,将线性不可分的样本集映射到另一个高维线性空间。在理论上,怎样选择核函数,还是一个未解决的问题。因此研究支持向量机的核函数性质,对于寻找核函数有重要意义。为此,在研究支持向量机的基础上,给出了核函数的若干重要性质。

一种CT医学图像分割新算法

针对临床辅助诊断的需要,提出了一种结合传统分水岭算法和新型核聚类算法的CT医学图像分割新算法。首先,通过分水岭变换,CT图被分割成不同的小区域。然后,根据改进的KFCM算法,利用Mercer核将各个小区域的平均灰度值映射到高维特征空间,使得原来在分水岭算法分割图中未显示出来的特征显现出来。通过此方法,相较于传统核聚类(KFCM)算法,我们可实现更准确的聚类,并有效解决分水岭算法分割CT医学图像的过分割问题,因此能取得更好的分割效果。实验结果显示,本文方法能够很好分割腹腔CT图,获得更清晰的分割图像。

Ricker子波核支持向量回归的Mercer条件拓展问题研究

Ricker子波核支持向量回归方法是消减地震勘探记录强随机噪声的新滤波技术.用判定支持向量允许核函数的Mercer条件探讨Ricker子波核函数的有效性,经过数值计算相应的核矩阵的最小特征值,发现在一个较大范围内存在极小的负值带,数量级为10^(-13)-10^(-16),且在正值带中亦存在10^(-13)-10^(-15)数量级的量.考虑到正负极小量值的计算误差机理相近,认为判定核函数有效性的Mercer条件在工程应用时有可能适当放宽,即核矩阵不严格半正定,接近半正定亦可.为了将Ricker子波核支持向量回归滤波方法向实际应用发展,本文对不同的理论模型的Ricker子波核滤波和小波变换滤波、自适应维纳滤波这三种技术的效果进行了比较,包括时域波形、频域振幅谱、滤波前后的信噪比以及均方误差等方面.结果表明,Ricker子波核滤波方法优于另两种方法.为实际应用Ricker子波核滤波方法奠定基础.

再生核希尔伯特空间的实解析性

基于解析平移不变Mercer核的再生核希尔伯特空间,利用再生性,证明当核是解析时,再生核希尔伯特空间中的每一个函数都是实解析的,并且给出了收敛半径.

再生核希尔伯特空间的子空间与覆盖数

针对回归问题的一致性分析,给出再生核希尔伯特空间的子空间及覆盖数的一些重要结论.

SVM核函数对分类精度影响的研究

支持向量机是一种基于统计学习理论的新型机器学习算法,它通过求解最优化问题,在高维空间中寻找最优分类超平面,从而解决复杂数据的分类、回归问题.文中介绍了支持向量机的基本算法原理及其分类方法,重点研究将核函数引入不可分的情形.本文通过改变核函数的参数,采用对比实验来比较分类精度,同时根据Mercer条件形成新的线性组合核函数,最后得出通过改变核函数参数与线性组合核函数的方法可以明显提高分类的精度.