基于多重支持向量模型的雷达目标识别器设计

在如今日益复杂的地面战场环境下,雷达目标识别技术的需求愈加迫切。高分辨一维距离像(High Resolution Range Profile,HRRP)具有可提供目标在雷达视线上的结构信息的特点,使得其在雷达地面目标识别领域受到了广泛的关注与研究。为实现基于HRRP的雷达目标识别实用化,本文构建了一种基于多重支持向量模型的雷达目标识别器。本方法通过对目标特征空间的区域分割、特征区域描述与子分类超平面构建,得到更为精细化的目标特征空间描述,同时达到目标鉴别与分类的联合处理。此外,本方法基于支持向量模型,内存需求少、计算复杂度低,适合目标识别系统的实际工程应用。通过基于实测数据的对比实验,证明了本文所提方法在目标识别性能与实时性两方面均具有较大的优势。

基于改进支持向量回归模型的高校学生成绩预测研究

为提高学生成绩预测的准确性,考虑到学生学习行为特征数据的高维和非线性特征,提出了一种基于改进支持向量回归模型的高校学生成绩预测。对支持向量回归(SVR)模型的核函数进行了改进;设计了变邻域搜索算法(VNS)对改进支持向量回归模型的参数进行了优化;将上述方法应用于某高校学生数学成绩数据,并与原始SVR和基于其他智能优化方法的SVR进行了对比,验证了所提方法的有效性。

基于信息量-支持向量机组合模型的东莞市地面沉降灾害易发性评价

易发性评价是地面沉降灾害风险识别及减避控制的靶向关键技术问题,为解决单一评价模型存在的过拟合问题,以东莞市地面沉降发育重点区为对象,采用相关系数法筛选并构建由软土层厚度、填土层厚度、与断裂带距离、建筑密度和道路密度组成的评价因子组合,开展基于信息量-支持向量机组合模型的地面沉降易发性评价,并结合地理信息系统(GIS)划分出高(Ⅰ)、中(Ⅱ)和低(Ⅲ)3个易发性等级分区。结果表明:使用受试者工作特征曲线(ROC)和历史灾点验证法校验,信息量-支持向量机(IM-SVM)组合模型的AUC值为0.915,位于高、中易发性分区内的灾点数为90.57%,较单一信息量模型(IM)和支持向量机模型(SVM)具有更高的评价精度。基于数据驱动的机器学习法在对灾害评价分类方面有更强的优越性,进一步选取相同原理、性能差异不大的学习器进行组合更能实现评价可靠性的提高。

基于频率比−支持向量机耦合模型的四川省喜德县滑坡易发性评价

针对滑坡易发性评价中因子分级基础数据与评价模型的选取问题,本文以滑坡灾害频发的四川省喜德县为研究区,采用斜坡单元为评价单元,通过对评价因子进行相关性分析,选取高程、坡度、曲率、NDVI、SPI、距水系距离、距道路距离、距断层距离、斜坡结构、工程地质岩组、土地利用类型11个评价因子,分别对区域点属性和滑坡点属性两类基础数据采用自然断点法进行因子分级,代入频率比模型和频率比–支持向量机耦合模型来评价滑坡易发性,并使用受试者工作特征(ROC)曲线与典型斜坡来验证模型精度。结果显示:以滑坡点属性作为分类基础数据并运用耦合模型得到的评价精度最高,对应的曲线下面积(SAUC)值为0.752,能更好地预测滑坡易发性;模拟结果显示,研究区极高、高易发区面积占比分别为4.65%和23.73%,主要分布在地形起伏较大、断层发育、人类工程活动强烈的区域。相反,断层稀疏、人口分散的地区属于中、低易发区,其面积占比分别为44.20%和27.42%。结果将为喜德县及其类似地区滑坡易发性评价工作提供科学参考。

湖滨绿洲土壤有机碳含量的支持向量机估算模型

【目的】利用高光谱数据快速估算土壤有机碳含量,为干旱区湖滨绿洲合理开发土地资源提供科学依据。【方法】以新疆博斯腾湖北岸湖滨绿洲为研究区,将实测的土壤有机碳含量数据与高光谱数据相结合,对原始光谱进行SG平滑(SavitzkyGolay smoothing,SG)、连续统去除(Continuum Removal,CR)、连续小波变换(Continuous Wavelet Transform,CWT)预处理,采用连续投影算法(Successive Projections Algorithm,SPA)筛选特征波段;应用支持向量机(Support Vector Machines,SVM)模型估算土壤有机碳含量。【结果】(1)研究区土壤有机碳含量为0.69~50.32 g/kg,平均值为14.15 g/kg,标准差为9.51 g/kg,呈中等变异性,变异系数为67.20%。(2)土壤原始光谱反射率在350~750 nm,光谱反射率呈上升趋势,在750~2150 nm,光谱反射率呈相对平稳趋势,在2150~2500 nm,光谱反射率逐渐下降;连续小波变换对土壤原始光谱预处理后随着分解尺度的增加,光谱局部特征明显,吸收峰和反射峰越来越平滑;采用连续投影算法筛选的光谱特征波段集中于350~952 nm、1007~1742 nm、2082~2381 nm,且特征波段仅占可见光-近红外光谱波段的0.30%。(3)连续小波变换结合连续投影算法构建的SVM模型,其训练集和验证集分别R^(2)=0.76,RMSE=4.78和R^(2)=0.94,RMSE=3.30,RPD=2.50。【结论】CWT-SPA-SVM可有效估算研究区土壤有机碳含量。

基于灰色支持向量回归的起伏管线临界携液流速预测模型

延安气田起伏的地理形貌特征,致使其内部采气管线在低点及上倾段容易产生积液问题,制约气田正常生产,开展起伏管线临界携液流速的预测对保障采气管线流动安全和指导地面采气管线布线具有重要价值。为此,基于扩展双流体分相模型和PR气体物性方程,采用最小压力梯度法结合均匀设计构建了临界携液流速样本数据集,同时采用灰色关联计算了样本标签权重,并将其引入支持向量回归算法,构建了临界携液流速的回归预测模型,随后利用网格寻优算法,通过采用K-CV(交叉验证)对模型中超参数进行了优化设计,最后采用延安气田现场运行数据进行了模型准确性验证。研究结果表明:管径大小对临界携液流速影响最大,其次为上坡倾角、含水率和运行压力,其他因素的影响差距相对较小,网格分段寻优对比遗传、粒子群算法在模型超参数优化上具有较强稳定性。该预测模型对延安气田内部采气管线的临界携液流速预测具有较强准确性,可对其积液预测和防治提供理论支撑。

糖尿病足溃疡复发风险预测模型的构建:基于Logistic回归和支持向量机及BP神经网络模型

背景全球范围内糖尿病足溃疡(DFUs)首次复发与再次复发率逐年上升,且早期复发风险高于远期风险。导致DFUs复发的风险因素较多,目前缺乏系统的筛选,因此需要探索DFUs复发的危险因素,以便早期识别复发高危人群。目的探讨Logistic回归、支持向量机(SVM)和BP神经网络(BPNN)模型在DFUs复发风险中的预测价值。方法选取2020年1月—2021年10月在宁夏医科大学总医院烧伤整形美容科、内分泌科和伤口造口门诊就诊的DFUs患者390例作为开发模型的研究对象。根据患者出院后1年内DFUs是否复发分为复发组116例(29.7%)和非复发组274例(70.3%)。收集两组患者的一般资料包括社会人口学特征、病史评估和临床病例资料并进行比较,采用糖尿病足部自我管理行为量表(DFSBS)评估患者糖尿病足部自我管理行为,采用慢性病风险感知问卷评估患者DFUs风险感知水平。采用多因素Logistic回归分析探讨DFUs患者出院后1年内DFUs复发的影响因素;将患者按照7∶3划分为训练集和测试集,运用Logistic回归变量筛选策略,分别建立Logistic回归、SVM和BPNN模型;绘制各模型预测DFUs复发风险的受试者工作特征(ROC)曲线。结果两组DFUs患者BMI、独居、糖尿病病程、吸烟史、饮酒史、受累足趾截肢史、足溃疡分级、踝肱指数、糖化血红蛋白、溃疡位置在脚底、足趾受累、足部存在行走障碍、骨髓炎、多重耐药菌感染、糖尿病周围神经病变、下肢动脉粥样硬化、足部自我管理行为、DFUs风险感知水平比较,差异均有统计学意义(P<0.05)。多因素Logistic回归分析结果显示,BMI[OR=0.394,95%CI(0.285,0.546),P<0.001]、糖尿病病程[OR=1.635,95%CI(1.303,2.051),P<0.001]、吸烟史[OR=0.186,95%CI(0.080,0.434),P<0.001]、足溃疡分级[OR=2.139,95%CI(1.133,4.038),P=0.019]、糖化血红蛋白[OR=2.289,95%CI(1.485,3.528),P<0.001]、溃疡位置在脚底[OR=3.148,95%CI(1.344,7.373),P=0.008]、足部自我管理行为[OR=0.744,95%CI(0.673,0.822),P<0.001]和DFUs风险感知水平[OR=0.892,95%CI(0.845,0.942),P<0.001]是DFUs患者1年内DFUs复发的影响因素。Logistic回归、SVM和BPNN模型在测试集中预测DFUs复发风险的正确率分别82.43%、94.87%、87.17%,ROC曲线下面积(AUC)分别为0.843、0.937、0.820。Logistic回归、SVM和BPNN模型预测DFUs复发风险的ROC曲线AUC比较,差异有统计学意义(Z=2.741,P<0.05);SVM模型预测DFUs复发风险的ROC曲线AUC高于Logistic回归和BPNN模型(Z=5.937,P=0.013;Z=3.946,P<0.001)。结论SVM模型预测DFUs患者出院后1年内DFUs复发风险的正确率、灵敏度、特异度、AUC等指标均较好,为相对最优的模型,建议进一步推广应用以验证预测模型的效能。

基于支持向量回归模型的机器人误差补偿算法

较低的定位精度已然成为了工业机器人在高精度作业领域推广应用的重要阻碍之一。对机器人定位误差的补偿是解决此类问题的首要途径。本文通过研究支持向量回归模型,提出了基于支持向量回归模型的机器人误差补偿方法。同时,在模型训练过程中,采用粒子群算法对每一轮迭代中的参数进行适应度评估,从而优化了模型参数。最后根据本文所提出的预测方法进行了相关实验。实验结果表明,根据该方法所进行的机器人定位误差补偿,能够有效降低机器人定位误差,且该方法还具有快速性、便捷性等优势。

基于支持向量回归和分位数的雷达K分布海杂波形状参数估计方法

针对传统的雷达K分布海杂波形状参数估计方法在异常样本存在情况下估计精度严重下降的问题,该文提出一种基于支持向量回归(SVR)和样本分位数比值的K分布海杂波形状参数估计方法。首先给定K分布杂波参数和分位数位置的值,根据K分布的累积分布函数计算样本分位数比值及其对数,然后建立以样本分位数比值对数为输入、待估计形状参数为输出的SVR模型,通过交叉验证确定SVR模型的超参数,最后训练SVR模型实现对K分布海杂波形状参数的稳健精确估计。仿真和实测雷达数据表明,所提方法的估计误差低于基于矩的估计方法的估计误差,并且与基于分位数的估计方法具有相近估计性能。此外,相比已有基于分位数的方法,所提方法的超参数容易确定,并且不依赖于查表。

基于支持向量回归模型的焦炭质量智能分析

炼焦配煤是焦化企业生产过程中的一项关键工作。在钢铁工业中,焦炭在高温下的CSR和CRI质量指标尤其重要。为了改善需依赖经验的传统配煤手段,基于原料煤指标预测焦炭质量的思路被提出。通过分析国内外的一些预测方法,针对目前存在的不足进行改良,以西来峰焦化厂一期和二期为例,采用支持向量回归模型,对焦炭的CSR和CRI这2个质量指标进行了智能分析,并通过系统分析训练样本比例与预测精度的关系,指明进一步提升焦炭质量预测性能的工作方向。

基于灰色支持向量机的输电线路覆冰厚度预测模型

为了降低输电线路覆冰事故对电网安全造成的严重影响,对输电线路覆冰厚度进行预测将能够有效地指导电网抗冰工作。提出了基于灰色支持向量机的输电线路覆冰厚度短期预测模型,分析了样本中脏数据的剔除及数据预处理方法,通过模型预测值与实测数据的对比验证了该模型的准确性和适用性,根据模型预测的线路最大覆冰厚度值对现场观冰、冰情预警以及开展交直流融冰提供策略指导。将该模型与传统的支持向量机和广义回归神经网络覆冰预测模型进行了对比,结果表明,该模型平均误差为0.325 mm,平均绝对百分误差仅为2.61%,适用于输电线路覆冰厚度短期预测。在易覆冰地区,应用该预测模型能够更好地指导输电线路抗冰工作。

新安江模型和支持向量机模型实时洪水预报应用比较

选择新安江模型和支持向量机模型分别在浙江省、陕西省的4个流域进行实时洪水预报,并使用K-最近邻实时校正法对新安江模型预报结果实时校正,比较2种模型在不同流域的应用效果,其中选择确定性系数、峰现时间误差、洪峰相对误差和均方误差作为模型预报评价指标。进一步改变预报预见期并分析2种模型在不同预见期内的预报精度。研究结果表明,新安江模型和支持向量机模型在不同流域洪水预报中各有优势,支持向量机模型预报精度受降雨精度影响较大。当预报预见期较长时,新安江模型预报结果更好;随着预见期缩短,支持向量机模型预报精度显著提高,在短预见期实时预报中支持向量机模型优势更明显。在预报难度较大的半湿润半干旱流域,新安江模型和支持向量机模型在率定期和实时预报过程中均具有较高精度。

基于不同核函数构建的退行性颈椎病支持向量机高危人群筛查模型的比较

目的评价基于不同核函数构建的退行性颈椎病支持向量机高危人群筛查模型的优劣,为退行性颈椎疾病高危人群的筛查提供工具支持。方法利用北京地区社区人群骨科退行性疾病研究数据库,采用线性核、多项式核、Sigmoid核和高斯核函数构建支持向量机模型,并根据十折交叉验证率最大的标准确定核函数参数。根据约登指数最大化的标准选择切点值,计算模型相应的灵敏度、特异度和预测准确率。采用ROC曲线评价不同核函数构建的模型的性能。结果在四种核函数计算的支持向量机模型中,多项式核函数计算ROC曲线下面积最大,为0.6928(95%CI:0.6502~0.7355),但不同核函数的ROC曲线下面积的95%CI存在重叠,尚未发现不同核函数建立本模型的优势。结论可利用该模型进行高危人群筛查,但未发现不同核函数构建的支持向量机模型性能的差别。

改进支持向量机模型的旋转机械故障诊断方法

针对支持向量机在旋转机械的故障诊断中存在的模型超参数选择的不确定性,利用超参数相关理论和先验知识界定模型超参数选择区间,结合全局搜索和局部搜索实现参数优化组合,运用泛化模式搜索的模型超参数选择方法,并将改进的支持向量机模型引入旋转机械的故障诊断。结果表明,改进的模型具有较高的搜索效率和参数优化选择性能,提高了故障诊断的精度。

不完备样本条件下基于支持向量回归模型的滑坡易发性评价

区域滑坡易发性评价对灾害中长期预测预报具有重要意义,在基于统计模型进行评价过程中,样本选取对评价结果有较大影响,构建较稳健的、受样本数量影响小的分析模型非常重要。本文以马来西亚热带雨林地区为例,选择坡度、坡向、地表曲率、地貌类型、岩性、构造、土地覆盖、道路和排水系统等9大要素作为评价因子,结合支持向量回归(SVR)模型计算研究区滑坡易发性指数,并探讨不完备样本条件下易发性评价方法,分析样本数量和评价精度之间的关系。结果显示,基于SVR模型进行该区滑坡易发性分析评价,其成功率验证法的描述精度约为95.9%;同时,样本数量的增减对分析精度影响较小;SVR方法是一种适于热带雨林地区高植被覆盖条件下的分析模型,可为今后同类地区的滑坡灾害管理工作提供支持。

支持向量机模型在肺癌病人住院费用影响因素分析中的应用

目的:建立基于支持向量机的单病种住院费用拟合模型,利用模型分析住院费用影响因素及其对住院费用的影响程度。方法:以浙江省某三级甲等医院2010年-2013年间肺癌患者的住院信息为样本,利用SPSS 16.0建立数据库,应用Weka软件建立支持向量机拟合模型,分析住院费用的影响因素。结果:影响住院费用的主要因素依次为住院天数、主诊断疾病、麻醉方式、年龄、费用类别、职业、住院次数。结论:从缩短住院天数、发展全民基本医疗保障制度等方面来控制住院费用。

最小二乘支持向量机模型在径流预报中的应用

为解决径流中长期预报模型精度较低的问题,提出了一种基于混沌时间序列的最小二乘支持向量机预测方法,该方法依据相空间重构技术以及最小二乘支持向量机模型(以下简称LS_SVM)。利用该模型对黄河三门峡1919-1989年的71年实测年径流量进行预测。经过反复计算分析表明LS_SVM模型在径流中的应用具有较快的计算速度、较好的泛化能力以及较高的预测精度。

基于机器学习算法的研究热点趋势预测模型对比与分析——BP神经网络、支持向量机与LSTM模型

[目的/意义]细粒度分析学科领域热点主题发展脉络并对利用机器学习算法对未来发展趋势进行准确预测研究。[方法/过程]提出一种基于机器学习算法的研究热点趋势预测方法与分析框架,以基因工程领域为例利用主题概率模型识别WOS核心集中论文摘要数据研究热点主题并进行主题演化关联构建,然后选取BP神经网络、支持向量机及LSTM模型等3种典型机器学习算法进行预测分析,最后利用RE指标和精准度指标评价机器学习算法预测效果并对基因工程领域在医药卫生、农业食品等方面研究趋势进行分析。[结果/结论]实验表明基于LSTM模型对热点主题未来发展趋势预测准确度最高,支持向量机预测效果次之,BP神经网络预测效果较差且预测稳定性不足,同时结合专家咨询和文献调研表明本文方法可快速识别基因领域研究主题及发展趋势,可为我国学科领域大势研判和架构调整提供决策支持和参考。

京津冀城市可持续发展效率预警研究——基于灰色支持向量机回归模型的预测

选用支持向量机回归模型与灰色GM(1,1)模型组合方式对2020—2022年京津冀城市可持续发展效率各项测度指标值进行了预测,先将所得指标预测值代入超效率CCR-DEA模型,从而得到2020—2022年京津冀城市可持续发展效率的预测值,再将预测值及其均值与2012—2019年的实测值及其均值进行比较,得以判断预测期京津冀城市可持续发展状态。预警判断结果实现了与京津冀城市可持续发展现状及该区域内若干发展政策的相互印证,从而印证了文章所提供的研究框架和预警建模方法的可信性。文章不仅丰富了城市可持续发展效率预警研究文献,而且有助于深入理解京津冀协同发展战略。

基于支持向量机回归模型的稻田二化螟历史数据预测

通过1991—1996的历史数据分析稻田早稻生物学特征与不同土壤处理对二化螟发生株率的非线性相关关系,测试支持向量机回归(SVR)模型在二化螟测报的可行性。结果表明,应用epsilon-SVR模型预测水稻综合因子观测场1996年的早稻二化螟平均发生株率预测准确率达97.95%,而阴离子观测场的平均发生株率预测准确率达96.97%。该回归模型表现出良好的鲁棒性和自学习能力。因此,SVR模型适于二化螟田间发生株率的预测,在虫害测报中应用前景广阔。