基于多类超球支持向量机的铣削颤振预测方法

为了预测薄壁件铣削过程颤振的发生,提出了一种应用小波系数特征和多类超球支持向量机进行铣削颤振预报的方法。首先基于连续小波变换分别提取高、低频段铣削振动信号的特征,然后利用多类超球支持向量机进行稳定铣削状态、铣削颤振孕育状态、铣削颤振状态识别。为了简化支持向量机进行多类分类时所带来的计算复杂性,该算法使每一类样本都获得一个超球支持向量机,在特征空间中以测试样本与超球中心距离、超球半径作为决策函数来进行识别。实验表明,在铣削颤振识别系统中多类双核超球支持向量机与连续小波系数特征向量相结合具有良好的识别效果,颤振孕育预报正确率达98.0%。

球结构支持向量机的改进算法及仿真研究

球结构支持向量机算法将多类样本数据的每一类用各自的超球来界定,从而显著地降低了二次规划的复杂程度。在该算法的基础上,提出了子超球支持向量机多分类算法。新算法改进了超球重叠区域的训练和决策方法,提高了多分类问题的分类精度。定义了重叠频数、重叠总频数和重叠率等概念,并在此基础上分析了径向基核函数的参数σ对超球相互位置的影响。对两组实际数据仿真实验验证了该算法的有效性和对σ分析的正确性,同时表明正确选择σ可得到较高的分类精度。

基于改进的超球支持向量机的有杆抽油泵故障诊断研究

针对神经网络对有杆抽油泵系统进行故障诊断存在的缺陷以及支持向量机在大规模训练样本或训练样本严重不平衡时的多分类问题求解中能效不足,提出了基于改进分类策略的超球支持向量机多分类算法。赋予3种工作集选择方式的贯序最小优化算法用于支持网格搜索模型以便进行参数寻优,避免了参数选择的盲目性和随意性。根据训练样本规模适时引入核缓存技术和上三角矩阵策略,使得寻优耗时减少。开发了基于Java语言、功能完备的超球支持向量机工具箱HSSVM-1.17。利用HSSVM-1.17对抽油泵工况进行了多分类仿真试验,并与BP神经网络、支持向量机方法加以比较。试验结果表明:改进后的超球支持向量机算法理论严谨、参数寻优迅速、分类精度高、自适应好,适用于采油工程领域中大规模复杂的故障诊断问题。

基于超球支持向量机的多主题文本分类算法

针对标准支持向量机多分类算法不能解决多主题文本分类问题,提出了一种基于超球支持向量机的多主题文本分类算法。该算法用超球支持向量机训练得到每个超球,计算待分类文本到每个超球球心的距离,依据距离得到隶属度向量,最后根据隶属度向量判定该文本所属的主题。实验结果表明,该算法具有更好的召回率、准确率和F1值。

基于超球支持向量机的多姿态协同人脸检测

针对多姿态的人脸检测准确度差的问题,提出了一种多姿态的协同人脸检测模型。该模型由一组超球支持向量机组成,它们被分成三层:第一层1个、第二层3个、第三层9个,共13个支持向量机(SVM)。这些SVM按逐层精细化检测设计,协同完成人脸检测任务。因为一幅图像的大部分区域是非人脸,采用三层模型的设计一方面能提高人脸检测速度,另一方面也增强了检测的针对性,使得能逐层履行更精细的局部区域检测。另外,改进了k近邻(kNN)算法,使其能用于超球重叠样本的检测,并提高了人脸检测的准确度。实验结果表明,相对于传统基于SVM的人脸检测,所提算法在人脸检测的准确率上有5%左右的提升,通过逐层过滤,保证了人脸检测的速度。

改进的超球支持向量机算法

超球支持向量机算法用于解决多类别数据的分类问题。对超球重叠区域的数据正确分类对球结构支持向量机的分类性能至关重要。在分析这些样本点特点的基础上,提出了一种新的分类规则,使超球支持向量机算法的泛化性能高于现有的算法。实验结果表明该算法有效可行,提高了最小包围球分类器的分类精度。

基于超球支持向量机的主动配电网经济运行评价模型

针对主动配电网的经济运行问题,建立一种新的评价指标体系,并提出一种基于超球支持向量机的主动配电网(ADN)经济运行评价模型。首先,定义ADN贡献电网损耗率、ADN贡献调峰效度等指标,建立主动配电网经济运行的评价指标体系。其次,为避免高维指标体系的冗余特征,通过构建系统差距指数和系统协调指数对评价指标体系进行降维处理,并利用改进的超球支持向量机确定与各等级超球面的位置关系,最终确定主动配电网经济运行评价等级。最后,运用所提评价方法进行算例仿真,并将该方法与模糊综合评价方法进行对比分析,验证该方法的合理性和有效性。

基于拉普拉斯分值和超球支持向量机的轴承故障诊断方法设计

针对轴承振动信号中的故障信息往往很微弱,同时振动样本数据分布不平衡即故障样本占总样本数的比例低,从而导致故障诊断模型训练不精确而影响诊断精度的问题,提出了一种基于拉普拉斯分值和超球大间隔支持向量机的故障诊断方法;首先,采用有标签的训练样本数据和拉普拉斯分值法提取原始振动信号中的微弱故障信息,并降低其数据维数,从而得到用于故障诊断的特征向量,然后设计了一种改进的超球大间隔支持向量机的故障诊断模型,通过最小化超球体积和最大化超球边界和故障样本之间的间隔来实现故障诊断,以解决样本的不均衡问题,最终通过将测试样本数据代入决策方程并通过投票机制确定其故障类别;在Matlab环境下对轴承故障诊断进行实验,实验结果证明了文中方法能有效解决样本的不均衡情况下的故障诊断,且相对其它方法,具有诊断精度高和收敛速度快的优点。

混合策略超球支持向量机算法

针对多类别分类超球支持向量机算法的重叠区域数据分类问题,提出了一种混合策略决策算法.首先对超球相交区域的数据分布情况分析得到数据分布的特点,然后根据数据分布特点采用不同的决策策略.如果用两球相交面直接可以把两类数据分开,则直接用相交面作为分类平面.如果两类数据近似线性可分,构造最优二分超平面作为分类平面.如果两类数据非线性可分,则引入核函数构造最优二分超平面为分类球面.如果相交区域只包含一个类别的数据,则采用排它法作为测试样本的决策规则.实验结果表明所提出的算法性能优于单一决策策略的超球支持向量机算法,在提高分类精度的同时,降低了决策规则求解的复杂度.

基于最大间隔最小体积超球支持向量机的多主题分类算法

针对多主题分类,结合最大间隔最小体积超球支持向量机和模糊理论,提出一种多主题最大间隔最小体积超球支持向量机来实现多主题分类。该算法首先基于最大间隔最小体积超球支持向量机,采用1-a-r方法训练子分类器,通过子分类器得到待分类样本的隶属度向量,再依据隶属度向量判定该待分类样本所属类别。实验结果表明,该算法具有较好的准确率、召回率、F1值。

基于球结构支持向量机的多标签分类的主动学习

为了实现数据的多标签分类,减少多标签训练样本开销,将球结构支持向量机与主动学习方法结合用于多标签分类,依据球重叠区域样本距离差值度确定样本类别,分析多标签分类特性,采用样本近邻方法更新分类器。实验结果表明,该方法可以用较少的训练样本获得更有效的分类结果。

基于主成分分析和球结构支持向量机的人耳识别方法

提出一种基于主成分分析和球结构支持向量机的人耳识别方法.首先将人耳从侧面人脸中提取出来,然后采用主成分分析方法对人耳图像进行特征提取,最后采用球结构支持向量及对人耳图像进行训练和识别.与传统的多分类方法相比,该分类方法识别性能更高,这为非打扰式生物特征识别提供了一条有效途径.

球结构支持向量机的主动自适应方法

为了解决大样本集标记工作问题和分类器对新样本分类适应能力差的问题,结合球结构支持向量机,提出了一种主动学习自适应性分类方法。该方法根据主动学习思想,以边界近邻策略迭代选取最有价值的样本,初始训练分类器,再依据增量学习方法选取包含新信息的样本,以阶段跟新方式重新训练分类器,并根据余弦相似度对内存中支持向量进行控制。实验结果表明,该方法既减少了标记开销,又保持了分类器分类性能的稳定性和延续性。

基于改进型球结构支持向量机的故障诊断方法及其应用

在涡轮泵等机械设备的故障诊断中,多类故障诊断是经常出现的问题。为提高多类故障诊断速度,在球结构支持向量机的基础上,对其分类规则进行改进,充分考虑分类球的大小不同,经过理论分析和实验验证得到样本点落在分类球外和分类球重叠区域的最佳分类公式。用该算法和其它几种常用算法对涡轮泵模拟故障进行分类比较,结果表明,基于改进型球结构支持向量机的故障诊断算法学习速度更快,诊断效果好。

用于多类别分类的一种加权超球支持向量机算法

在One-Class基础上发展起来的超球支持向量机算法能有效地解决多类别分类问题.但是原始的超球支持向量机算法仍有很多需要改进的地方.经过推导和实验,得到如下结论,即超球支持向量机算法过度依赖于每个训练样本,即使该训练样本为噪音数据或是离群异常数据.因此提出在训练之前加入预处理算法,通过相似度计算删除噪音点和异常点.在训练过程中,根据公式计算每个样本的权值,区别对待每个训练样本,确保SMO求解过程迅速收敛.在测试阶段,根据测试点的位置合理选择分类规则进行正确分类.实验结果表明提出的算法可以有效减少噪音数据和异常数据对分类结果的影响,同时提高了分类精度.

多子超球支持向量机算法研究

提出了一种多子超球支持向量机算法.首先计算所有类别的分类超球,然后统计所有超球的位置关系,记入相应的数据集合.对相交集合中的超球,通过键值索引映射计算其交叉系数,根据该系数选择相交类别数据差异度最大的超球划分子超球,子超球个数由交叉系数确定.实验结果表明提出的算法在提高分类精度的同时,降低了决策规则求解的复杂度.

基于LMD模糊熵与超球结构支持向量机的水力机组涡带工况识别方法

针对水力机组振动摆度信号的非平稳特性,提出了基于局域均值分解模糊熵及超球结构支持向量机的涡带工况识别方法。首先对振动摆度信号进行局域均值分解,获得一系列乘积函数分量;然后计算各乘积函数分量的相关系数,判断是否存在虚假变量;最后计算有效乘积函数分量的模糊熵作为特征向量,利用超球结构支持向量机进行小负荷区、涡带区和稳定区的机组运行工况识别。水电站水导轴承摆度信号试验结果表明,该方法能有效识别机组涡带工况区间。

最小二乘超球多类支持向量机

超球体多类支持向量机(HSMC-SVM)是一种直接型多类分类器,具有训练速度快,检测效率高的优点,但由于HSMC-SVM使用一阶范数软间隔作为目标函数的惩罚项,使得其训练精度受到一定影响,为了提高HSMC-SVM训练精度,将最小二乘法引入到HSMC-SVM中,提出了最小二乘超球多类支持向量机(LSHS-MCSVM)的概念,并且分析了它的训练算法和判决规则,从而形成了完整的LSHS-MCSVM分类理论。实验表明,LSHS-MCSVM无论在训练速度上还是在泛化性能上都要优于HSMC-SVM,适合于分类类别多,样本数量大的多分类场合。

基于球结构支持向量机的液压泵故障诊断研究

针对目前故障诊断中难以获得大量故障数据样本的不足,提出球结构支持向量机故障分类算法,并运用其构成多故障分类器进行YB-6叶片泵的故障识别。试验表明该方法只需要少量的时域故障数据样本来训练分类器,不必进行信号预处理便可实现多故障的识别和诊断,在少样本情况下比BP神经网络具有故障分类能力强的优点。

基于球结构支持向量机的故障劣化趋势诊断

提出了一种球结构支持向量机的故障劣化趋势检测方法。该方法是以EMD的奇异值分量作为特征向量,输入球结构支持向量机分类器,对滚动轴承滚珠的故障劣化趋势的三种状态进行诊断,并且采用主成份分析的可视化方法进行验证,结果表明,该方法能够准确地诊断故障劣化趋势。