基于数据挖掘的光纤通信故障数据诊断方法研究

针对传统方法进行光纤通信故障数据诊断时易受噪声条件、光照变化、信号强度等问题干扰,诊断精准度不高的问题,提出基于数据挖掘的光纤通信故障数据诊断方法研究。首先利用滤波器剔除光纤通信数据中的噪声,以避免噪声对故障诊断结果产生影响,其次利用主成分分析法提取数据的特征,最后将提取的特征输入到最小二乘支持向量机中,采用粒子群算法优化最小二乘支持向量机参数,输出故障分类结果,完成光纤通信故障数据的诊断。测试结果表明,所提方法的信号提取效果好、诊断精确率高、召回率高、F1分数高。

一种基于二分类的电压暂降源定位方法

电压暂降源定位实质是根据暂降源位置敏感的物理量,来确定暂降源位于监测点的上游或下游位置,模式识别上属于二分类问题。提出了一种基于智能分类的电压暂降源定位方法。分析回顾了现有的几种典型暂降源定位方法及其判据,通过判据研究提取源位置敏感的多个定位特征量,并采用支持向量机智能算法对已有故障诊断结果进行学习,从而在该多维特征空间构建判别上下游的最优分类面,利用此最优分类面(即为二分类支持向量机)实现基于二分类的暂降源定位。测试数据表明,该方法能够有效实现电压暂降源定位,定位准确率高且所需计算时间短。

样例约简支持向量机

支持向量机(support vector machine,SVM)仅利用靠近分类边界的支持向量构造最优分类超平面,但求解SVM需要整个训练集,当训练集的规模较大时,求解SVM需要占用大量的内存空间,寻优速度非常慢。针对这一问题,提出了一种称为样例约简的寻找候选支持向量的方法。在该方法中,支持向量大多靠近分类边界,可利用相容粗糙集技术选出边界域中的样例,作为候选支持向量,然后将选出的样例作为训练集来求解SVM。实验结果证实了该方法的有效性,特别是对大型数据库,该方法能有效减少存储空间和执行时间。

无线传感网络少量节点入侵评估模型仿真

准确评估无线传感网络节点入侵,可以保证无线传感网络的安全性。如果无线传感网络的区域较小,会造成距离较近的节点属于不同的工作区域,因此节点属性差异很大,使得传统的单个节点信息入侵评估的过程很难设定准确阀值对其进行精确的分类,造成对小区域无线传感节点入侵评估不准。为了避免上述缺陷,提出了一种最优平面分类的无线传感网络入侵评估算法。利用主成分分析方法,提取无线传感网络中的入侵特征。利用最优平面分类方法对小区域内的节点属性进行分类,避免干扰,有助于建立准确的无线传感网络入侵评估模型。实验结果表明,应有改进后的算法进行小区域无线传感网络入侵评估,能够提高评估的准确性,从而为无线传感网络提供安全保障。

基于图像互动虚拟的平面广告元素视觉优化设计

为了能够丰富用户的视觉体验,更好地促进多维、虚拟、互动型平面广告设计创新发展,提出一种基于图像互动虚拟技术的平面广告元素视觉优化设计思路。概述了核心设计图像互动虚拟多维表现方式,分析平面广告元素视觉优化互动虚拟设计原理,通过提取视觉传达下的图像虚拟互动平面广告元素特征,设计图像,互动虚拟底层分类特点,并将此次图像虚拟互动的平面广告元素视觉优化设计总思路在Matlab平台上展开仿真实验。结果发现,此次设计的平面广告元素互动虚拟视觉体验优化,能够提高平面广告的设计性,并获得较高的实用性和精度。也说明基于图像互动虚拟的平面广告元素视觉优化设计系统能够对人机交互平面广告界面的元素清晰度有效增强的同时,可以获得较高的平面广告效果。

基于最大间隔超球分类器的柴油机异常检测研究

针对柴油机等机械故障检测中存在数据样本分布不平衡的问题,提出了一种最大间隔分离超球面的柴油机异常检测方法。分析了支持向量描述模型存在泛化能力差的缺点,结合最优分类超平面的优点,引入分离比例参数和异常类样本信息来权衡超球的描述精度和泛化性能,提出了运用支持向量个数和接受者操作特性(ROC)曲线下面积作为分类器性能评价指标的模型参数分步优化方法。柴油机实测信号异常检测结果验证了本文方法的优越性和良好应用前景。

高精度合成孔径雷达图像分类算法仿真

研究合成孔径雷达图像准确性问题。合成孔径雷达图像分类过程中,特征集包括图像的Pauli特征、相干矩阵特征、小波特征、纹理特征等多特征,由于原始特征数目过多,并且采集特征伴随巨大的随机性,几乎不能建立多目标描述模式。传统的图像分类方法面临多特征、强随机性的特征集合时,因为无固定化的特征约束,导致分类效果不好的问题。为了避免上述缺陷,提出了一种基于最优分类平面的合成孔径雷达图像分类算法。利用局部二值模式纹理分析方法,进行合成孔径雷达图像特征提取,为图像分类提供准确的数据基础。利用最优分类平面方法,实现合成孔径雷达图像的分类。实验结果表明,利用上述算法进行高精度合成孔径雷达图像分类,能够获取准确的分类结果。

高光谱遥感影像SVM分类中训练样本选择的研究

支持向量机(SVM)分类的关键是发现分类最优超平面及类别间隔,而混合像元比纯净像元更接近类别边界,更容易找出最优超平面。本文针对SVM分类器的特点,在高光谱数据分类中采用混合像元作为训练样本对SVM进行训练,试验表明采用类别边界上的混合像元作为训练样本是可行的,能够获得与纯净训练样本接近的分类精度,进一步验证了SVM分类对训练样本空间分布依赖度较低的特点。

基于空域特性的低空空域雷达目标检测

为实现基于非相参雷达的低空空域监视,提出一种基于空域特性的杂波抑制算法,通过构造"最优分类面"来区分复杂低空空域雷达图像中的小弱目标和杂波,极大改善了非相参雷达的低空探测能力。首先,采用背景差分与固定阈值分割建立前景和背景统计模型。然后,基于该模型提取空域特性,建立马尔可夫随机场模型,从而自适应地调节"最优分类面"中的阈值。前景模型数据反映了待检测像素的聚集程度,背景模型数据反映了其相对位置。将本算法分别应用于X波段和S波段航海雷达获取的图像序列。检测结果表明:本算法在检测到低空空域小弱目标的同时,能够将虚警率保持在较低的水平,优于恒虚警检测等经典算法。最后,将本算法与已经实现的目标跟踪算法相结合,实现了一整套完整的低空空域雷达目标检测与跟踪算法。