基于序列最小化算法的周负荷预测研究

周负荷预测具有周规律性,对编制发供电计划有重要意义。运用序列最小化算法(SMO)求解支持向量机,既能发挥支持向量机的优势,又能简化问题,缩短运行时间。通过山西省某变电站的实例分析,得到序列最小化算法适用于求解周负荷预测,且精度较高。

基于WEKA的序列最小化算法的改进研究

数据挖掘算法中的支持向量机算法,在通过若干学者的改进研究后,有一种改进算法即序列最小化算法主要应用于小样本数据集的分类,且分类效果较好,但在训练大规模数据集时,用时长、所需存储空间大,挖掘效率低。针对这一缺陷,通过改变存储策略改进该算法,在WEKA这个软件平台下,在保证分类正确率的前提下,缩短了训练时间,缩减了大量的存储空间,大大地提高了算法的效率,使其更加适应大规模数据集的训练。

设计稳定约束最小二乘无限冲击响应滤波器的序列最小化方法

无限冲击响应(infinite impulse response,IIR)数字滤波器不具有内禀稳定性,因此在其实际设计中要施加稳定性约束.稳定三角形条件是一种充分必要且线性的稳定性约束条件,为了充分利用该条件,本文使用基于二阶因子迭代更新的序列最小化技术将IIR滤波器的约束最小二乘设计问题转化为一系列的约束最小二乘子问题,在每一个子问题中,有且只有一个二阶分母因子连同整个分子被优化,其他的二阶分母因子保持不变.设计实例表明此方法能比现有方法得到性能更好的滤波器.

基于GN的IIR滤波器设计序列最小化方法

无限冲击响应数字滤波器不具有内禀稳定性,因此在其设计中要考虑稳定性问题。无限冲击响应滤波器的一种充分必要稳定条件就是稳定三角形条件。为了充分利用三角形稳定条件的充分必要性和线性性质,该文针对无限冲击响应滤波器的最大误差最小化设计问题,提出将序列最小化技术与高斯牛顿策略相结合的方法,把原问题转化成一系列的二阶锥规划子问题进行求解。仿真实例说明了此方法的有效性。

一种基于非均匀惩罚因子的序列无约束最优化外点新算法

增广拉格朗日乘子方法(Augmented Lagrange multiplier method)是拉格朗日乘子方法(Lagrange multiplier method)的推广,它是一种序列无约束的最小化技术,包括内点法和外点法,内点法适用于仅有不等式约束的情形,其主要思想是对违背可行性的约束给予一个惩罚。传统的做法是:对所有约束以相同的罚因子,自适应调整Lagrange乘子。提出了一种非均匀惩罚的自适应更新罚因子的方法,即根据近似解对约束违反的严重程度施行不同惩罚的新方法。算例表明,本方法是有效的。

基于SMO算法的织物组织结构识别

提出了一种用机器识别布料结构的方法。该方法采用图像去噪、增强及二值化技术对织物组织图进行预处理,采用经纬像素差值法提取出织物组织结构的特征向量,用序列最小化(SMO)算法进行识别分类,重构出清晰的、便于生产加工的织物组织结构图。实验结果表明,通过该方法对织物组织结构的识别具有较高的准确率。

使用ε-SVR求解稀疏分解的单混合信号BSS

文章提出了一种单混和信号盲源分离(BSS)问题的改进解法。在源信号数大于混合信号数时,标准ICA法不再有效,BSS可使用稀疏分解法。文章首先将稀疏分解法等同于支撑向量回归(SVR)的一种形式,为稀疏分解法提供新的直观解释和求解方法。通过引入序列最小化算法(SMO)求解该SVR类比形式,显著提高了算法的速度和实用性。最后,我们将方法应用于QAM调制信号的单混合信号的盲分离问题,得到较好的分离效果。

基于支持向量机的煤炭销售预测系统的研究

简要介绍了支持向量机回归原理,以及常用的序列最小化优化算法,将支持向量机回归用于对煤炭销售数据的预测,并在.net平台下设计实现了煤炭销售预测系统,通过真实数据的测试与工程应用,已证明该系统具有智能化程度高、准确率高、操作方便等特点,为煤炭销售预测运行人员提供了一套强有力的工具。

非线形互补问题的障碍函数法

将非线形互补问题转化为约束的优化问题,在已经的利用内点障碍函数方法求解约束优化问题的基础上,提出了利用障碍函数方法求解非线形互补问题的采用序列无约束最小化方法(SUMT)的算法,并利用障碍函数的单调性证明了算法的全局收敛性.最后得出的数值试验表明了算法具有良好的适宜性和强收敛性.