基于经验小波变换和相关向量机的断路器机械故障诊断

为了更准确的提取断路器故障特性,得到更可靠的故障诊断结果,在振动信号的基础上,提出了一种基于经验小波变换(Empirical Wavelet Transform,EWT)和相关向量机(Relevance Vector Machine,RVM)的断路器机械故障诊断方式。首先提取不同故障振动信号,设置阈值来初始化信号傅里叶频域分解区间,利用EWT分解得到有限带宽的多个模态。然后计算样本熵参数,计算并作为特征向量。最后,将特征向量输入相关向量机(RVM),建立不同故障的模型,对测试样本进行诊断。通过与其他方法实验对比,文中方法具有更高的故障诊断识别率,更快的识别速度。

基于小波核主成分分析的相关向量机高光谱图像分类

相关向量机（RVM）高光谱图像分类是一种较新的高光谱图像分类方法，然而算法本身存在对于高维大样本数据训练时间过长、分类精度不高的问题。针对这些问题，该文提出一种基于新型核主成分分析的RVM分类方法。该方法首先将核函数引入到主成分分析中，然后应用小波核函数代替传统核函数，利用小波核函数的多分辨率分析特点，进一步提高核主成分分析（KPCA）非线性映射能力，最终将新型核主成分分析算法与相关向量机相结合，对高光谱图像进行分类。仿真实验结果表明，将所提出的方法应用于AVIRIS美国印第安纳州实验田高光谱数据预处理后，类内类间距离比降低20％，方差整体增幅较大，最终将处理后的数据应用于相关向量机的高光谱图像分类中，分类精度提升3％～5％。

基于小波奇异熵和相关向量机的氢气传感器故障诊断

针对氢气传感器故障问题,提出了一种智能化的传感器故障诊断方法,可以对自身故障状态进行诊断和识别。提出了一种基于小波奇异熵(wavelet singular entropy,WSE)和相关向量机(relevance vector machine,RVM)原理的氢气传感器故障诊断方法,将小波变换和奇异熵两种分析思想相结合,提取信号的完备故障特征;利用小生境粒子群优化算法(niche particle swarm optimization,NPSO)对相关向量机的核参数进行优化,提高故障诊断的准确率。将提出的方法与其他成熟算法进行了比较,实验结果表明所提方法故障诊断识别率达到98%以上,解决了非线性、小样本条件下的传感器故障诊断问题,提高了传感器的可靠性。

基于自适应核参数优化的小波核相关向量机算法

传统相关向量机算法在处理大规模数据集时训练速度较慢,并且高斯径向核无法完备表示特征空间。为此,基于自适应核参数优化,提出一种小波核相关向量机算法。以小波核作为基函数,在训练中,采取增量学习流程实现各个小波核参数的快速自适应优化。将提出算法应用于混沌时间序列预测及UCI数据集分类实验,结果表明,自适应参数优化小波相关向量机算法在预测精度、训练速度上均优于传统相关向量机算法。

小波分析和相关向量机的网络流量混沌预测

针对网络流量的混沌特性和传统预测模型的不足,提出了一种小波分析和相关向量机的网络流量预测模型.首先采用小波分析对原始网络流量进行处理,得到不同尺度的网络流量分量,然后对各分量进行相空间重构,并利用相关向量机进行建模,得到各分量的预测结果,最后采用对分量预测值进行组合,并采用网络流量数据集进行仿真实验.与其他模型进行对比测试的结果表明,此模型可以从多个尺度对网络流量特性进行描述,预测结果要优于其他模型.

小波相关向量机

将小波分析与相关向量机结合,提出了一种新的机器学习方法——小波相关向量机.在模拟数据和典型数据集上的实验表明,与经典的相关向量机相比,小波相关向量机可以更好地逼近任意函数,训练时间更短,并且在有噪音的情况下具有更好的鲁棒性.

基于小波变换和相关向量机的短期风功率预测

采用小波变换(wavelet transform,WT)和相关向量机(relevance vector machine,RVM)结合的方法对风电场发电功率短期预测进行研究。先利用小波变换将信号分解为不同频率的子序列,提取出风速中的低频趋势分量和高频波动分量;再结合风向和温度数据,运用RVM在不同分量上分别进行预测,并通过重构得到功率的预测结果。此方法应用于国内某风电场,仿真结果表明,通过小波分析能够把握风速变换规律,RVM预测法有较强的学习能力,小波—相关向量机法有效提高了预测精度,表明了该方法的可行性。

基于复数小波能量特征和支持向量机的图像匹配算法

为了对图像中发生平移、伸缩及旋转等形变的目标进行有效检测和跟踪 ,提出了基于复数小波能量特征和支持向量机的图像匹配算法 ,以便把图像匹配问题转化为图像分类问题。该算法首先利用复数小波的方向选择性、多尺度特性及近似平移不变性来抽取图像能量的均值、均方差及偏度等统计特征 ,并将其作为支持向量机的输入参数 ,用于训练模板样本集合 ,以获得支持向量 ,然后对由输入图像构成的与模板大小相同的所有子图像进行测试。这是一个粗精结合的两步算法 ,即先运用支持向量机筛选出侯选目标集合 ,再运用非线性距离判优准则来确定检测出的候选目标图像集合中的最优匹配。实验结果表明 ,该算法克服了传统图像匹配方法搜索目标时存在的置信度问题 ,通过与基于径向基的神经网络学习方法和基于灰度相关的匹配方法比较可见 ,该算法在性能上优于这两个方法 ,并能得到满意的匹配结果。

基于小波去噪和最小二乘支持向量机的滚动轴承故障诊断研究

针对滚动轴承故障,提出了基于相关原则优化阈值的小波去噪和最小二乘支持向量机相结合进行滚动轴承故障诊断的方法,采用相关原则优化阀值的小波对轴承早期故障特征进行提取,运用能量-特征法提取出信号特征,然后利用最小二乘支持向量机多分类算法进行故障类型的识别。实验与仿真结果表明:基于相关原则优化阈值的小波变换和最小二乘支持向量机相结合的故障诊断方法能有效地诊断出滚动轴承的典型故障。

小波支持向量机在大气污染物浓度预测中的应用

用小波分解重构和支持向量机相结合的方法,建立大气污染物浓度预测模型。通过小波分解,将大气污染物浓度序列分解为不同频段的小波系数序列,再对各层的小波系数序列重构到原尺度上。利用相关分析的方法构建出低频小波系数a3和中频小波系数d3的支持向量机模型输入因子为前一天小波系数a3和7个气象因子;高频小波系数d2和d1以前三日的小波系数为输入因子,然后对各小波系数序列采用相应的支持向量机模型进行预测,各小波系数均使用ν-支持向量回归机(ν-SVR)算法和径向基函数,最后通过小波重构合成大气污染物浓度序列的最终预测结果。通过对大气SO2浓度预测实例证明,该大气污染物浓度预测模型具有推广能力较强、预测精度较高、训练速度快、便于建模等优点,具有良好的应用前景。

小波变换和支持向量机相融合的ECG身份识别算法

心电图信号(ECC)受到设备、检测者心情等影响,含有噪声且特征具有高维性,为了提高了身份识别的正确率,提前出一种小波变换和支持向量机相融合的ECG身份识别算法.首先小波变换对采集的心电图信号进行预处理,消除各种噪声;然后采用相关分析对ECG特征进行降维处理,消除冗余特征;最后将特征向量输入到支持向量机进行训练,建立基于ECG的身份识别模型.仿真结果表明,该方法提高了身份识别正确率和速度,有一种有效的身份识别算法.

基于多尺度相关向量机的城市日用水量预测

为提高日用水量预测精度,提出一种基于多尺度相关向量机的预测模型。通过静态小波分解将用水量非平稳时间序列分解为不同尺度的平稳时间序列,然后在分解后的各子序列分别建立相关向量机回归模型进行预测,最后通过小波逆变换将各子序列预测结果整合得出原始用水量时间序列的预测值。在实例分析中分别利用多尺度关联向量机模型和单尺度相关向量机预测模型对实际用水量进行预测分析。结果表明,前者具有更高的预测精度,可应用于城市日用水量的预测。

一种新的回归型约简多分辨率相关向量机

提出一种新的稀疏贝叶斯回归算法.基于相关向量机,首先通过尺度核和小波核构造完备基以提高预测精度;然后利用保局投影对输入矩阵的列进行主成分提取以减少训练时间,从而形成算法的初步模型.为进一步减小较大规模训练数据集的回归时间压力,算法对训练数据集的分层采样建立了初步模型,进而产生实际较小规模的训练数据集.实验结果表明,算法在预测精度和鲁棒性上优于传统支持向量机和相关向量机,且其训练时间较相关向量机少.

基于小波分析和超级向量的非对称文本相关的说话人识别模型

在文本相关的说话人识别模型中,训练语音和测试语音内容固定且相同.由于语音内容相同,这种模型将无法有效抵御"合成语音攻击".提出一种非对称文本相关识别模型.在该模型中,训练语音和测试语音内容不同,且训练语音内容公开而测试语音内容由用户保留且不公开.这样就避免了测试语音被攻击者合成.同时,为了提高识别性能,小波分析和超级向量被引入该模型.小波分析能有效分析语音这种非平稳信号,而超级向量能有效提高不同特征向量间的区分度.实验结果表明新模型和传统模型相比可以提高识别性.

基于Bagging-组合核函数相关向量机的短期负荷预测模型研究

为充分发挥组合核函数在相关向量机预测模型中的优势,有效提高负荷预测的精度,提出基于Bagging-组合核函数相关向量机的短期负荷预测模型。首先构造了高斯核函数与Morlet小波核函数加权组合的组合核函数相关向量机的预测模型,然后采用粒子群算法对两个核函数的最优权值进行优选。为提高模型的泛化能力,采用Bagging算法对原始数据多次抽样构造训练样本集。通过实际算例仿真,与多种相关向量机预测模型对比分析,验证了该模型具有较好的预测精度。

基于事件相关电位的脑-机接口系统微弱信号分析方法研究

脑-机接口(BCI,brain computer interface)技术作为一种新型的人机交互方式,近年来受到越来越多的关注。基于听觉刺激模式诱发的事件相关电位P300建立了脑-机接口系统,主要研究微弱P300信号的单导联小样本数据的特征提取和模式识别方法。首先经过预处理和小波变换对脑电信号中的P300成分进行特征提取,建立特征向量,然后使用支持向量机的方法对特征提取结果进行模式分类。对7名受试者进行事件相关电位P300诱发实验,结果表明,系统的分类正确率可达到85%以上,且支持向量机的训练时间都在0.05 s以内。该方法可为脑-机接口的进一步应用奠定基础。

利用小波变换和互相关矩阵进行遥感图像不变纹理分类

本文提出了一种遥感图像旋转不变纹理分类的新方法。该方法首先利用有限脊小波变换进行旋转不变纹理的实现,再利用反映图像灰度空间的变化规律的互相关矩阵结合小波变换的多尺度分析进行纹理特征描述。文章最后利用支持向量机算法实现纹理图像的分类。实验证明该方法可以有效的进行纹理的识别、分类。

基于小波变换和改进的RVM的电能质量扰动分类

为了提高相关向量机的回归预测的准确率,本文提出了一种改进的相关向量机算法。该算法从相关向量机的核函数角度出发,将实际中大部分噪声属于正态分布这一个特性引入到核函数中,并在其基础上加入了幅度调节因子,实现了对核函数的改进。为了进一步提高电能质量扰动分类性能,将改进的相关向量机应用于电能质量扰动分类。首先,采用小波变换对电能质量信号进行分解,将分解后得到的各层小波系数能量所占的比例值作为特征量,然后,用改进后的相关向量机对特征量进行分类,进而实现基于小波变换和改进的相关向量机的电能质量扰动分类。实验结果表明,该方法能够对各种电能质量扰动信号进行分类,并且其分类准确率优于支持向量机和未改进前的相关向量机等其他分类方法。

基于小波相关向量机的产品质量模型

针对常用的质量建模方法精度不高且难以给出预测区间,提出了基于小波相关向量机的产品质量模型.应用仿真数据和带钢热镀锌锌层质量的实际生产数据分别建立了小波相关向量机模型.结果表明,小波相关向量机方法与支持向量机及传统的相关向量机相比,具有更好的预测精度,而且给出了预测区间.多组带钢热镀锌锌层质量实际数据的相对预测误差的平均值为4·52%,为保证产品质量提供必要的决策支持和分析手段.

综合颜色和纹理及SVM相关反馈的图像检索

由于单一特征不足以准确地描述图像特征,提出了一种结合颜色特征和纹理特征的图像检索方法。针对传统颜色直方图中图像对所有像素具有相同重要性的问题进行了改进,提出像素加权的改进颜色直方图方法;然后采用Gabor小波提取纹理特征。为提高图像检索的性能,提出了一种支持向量机的相关反馈方法。实验结果表明,该方法具有较好的检索性能。