CPC30叉车机罩支撑机构的改进

概述了原机罩支撑机构的结构、特点以及改进后支撑机构的结构和优点。

CPC30叉车机罩支撑机构的改进设计

本文概述了原机罩支撑机构的结构、特点以及改进后支撑机构的结构和优点,并给出了简图说明。

掘进机后支撑技术在煤矿工程中的应用探索

掘进机后支撑技术在推动矿业界安全性与效率进步方面起到了至关重要的作用,特别是对现代矿山生产有着积极影响。本文主要借助文献研究以及案例剖析,深入探讨了此项技术的运作机制、实践成效以及其在增强巷道稳固性、提高生产效率及确保安全生产等方面的具体运用。研究结果显示,掘进机后支撑可有效地降低顶板坍塌及巷道变形的风险,进而提升作业环境的安全性;此外,凭借对掘进速率的优化及停工时间的缩短,煤矿生产效率也得到了显著提升。虽然面临设备成本较高及操作维护复杂等问题,但随着智能科技的不断进步和材料科学的持续发展,掘进机后支撑技术在未来仍具有广阔的应用前景。

支撑向量机及其遥感影像空间特征提取和分类的应用研究

提出了基于支撑向量机 (SVM)的遥感影像空间特征提取的新方法 ,并以SPOT全色波段影像上城市特征信息的提取为应用实例 ,并与人工神经网络 (ANN)等特征提取方法进行综合比较 ,认为SVM方法不但能够获得比较高的分类精度 ,而且在学习速度、自适应能力、特征空间高维不限制、可表达性等方面具有优势。

支撑矢量机推广能力分析

本文针对两种不同用途的支撑矢量机 ,分类支撑矢量机和回归支撑矢量机 ,分别证明了它们的一些几何性质 ,从这些性质出发讨论了这两种支撑矢量机对新增样本的推广能力 ,新增样本对支撑矢量 ,非支撑矢量的影响以及新增样本本身的一些特点 ,得到了一些非常有价值的结论 .从这些结论可以看出支撑矢量机对新增样本具有良好的推广能力 ,即对新增样本的良好的包容性和适应性 ,并且支撑矢量机是一种可积累的学习模型 .

多项式光滑的支撑向量机

数据分类问题是数据挖掘研究的一个热门课题 .它是根据对数据样本集合建模 ,得到最优的分类器 ,从而可以对未知数据进行分类 .支撑向量机是二分类问题的一个分类模型 ,模型的结果表现为支撑向量 .Lee和Man gasarian在 2 0 0 1年提出了使用Sigmoid函数的积分函数作光滑的支撑向量机模型SSVM .该文研究了用多项式函数作光滑的支撑向量机 (PSSVM)模型 ,并提出了两个用于光滑多项式的函数 .根据模型特点 ,应用BFGS方法以及NewtonArmijo方法进行求解 ,数值实验结果表明PSSVM模型在分类性能上优于SSVM模型 .

一种基于支撑向量机的遥感影像不完全监督分类新方法

不完全监督分类是研究在只有目标类训练样本的情况下如何准确地将目标类从数据集中提取出来。在许多遥感应用问题中,往往只需要从遥感影像中提取某一类地物。如果分类过程中只要选取目标类训练样本,将节省在训练样本选取过程中的大量人力物力。因此不完全监督分类是一个值得研究的遥感分类问题。提出了一种基于加权无标识样本支撑向量机(WUS-SVM),并在其基础发展出一种不完全监督分类方法。该方法分3个步骤:(1)在影像中随机选取一定量的无标识样本,将它们作为具有不同权重的非目标类训练样本;(2)用目标类的训练样本和加权无标识训练样本一起训练WUS-SVM,得到初步的分类器;(3)利用初步的分类器确定无标识样本的类别,并与原目标类训练样本一起再次训练SVM得到最终的分类器。通过对模拟数据和遥感影像的分类试验初步证明了该分类方法的有效性。

基于支撑向量机方法的短期负荷预测

首次将支撑向量机(SVM)方法及改进的序列极小化(SMO) 学习算法引入短期负荷预测领域。该方法具有预测能力强、全局最优及收敛速度快等显著特点。实际算例表明,对于短期负荷预测问题,支撑向量机方法在预测精度和运算时间方面都优于前向网络、径向基网络等方法。

基于高阶累积量和支撑矢量机的调制识别研究

提出一种基于高阶累积量和支撑矢量机的数字信号自动调制识别新方法 ,即将接收信号的四阶、六阶累积量作为分类特征向量 ,利用支持矢量机把分类特征向量映射到一个高维空间 ,并在高维空间中构造最优分类超平面以实现信号分类。这种方法对高斯噪声和星座图由于信号初始相位而引入的旋转具有良好的稳健性 ,并避免了神经网络中的过学习和局部极小点等缺陷。计算仿真结果表明 。

结合高斯马尔可夫随机场纹理模型与支撑向量机在高分辨率遥感图像上提取道路网

在高分辨率遥感图像上,道路网的同物异谱现象更为突出,因此其提取难度更大。提出了一种马尔可夫随机场纹理模型与支撑向量机分类相结合的道路网提取方法。其基本过程是:利用高斯马尔科夫随机场模型6个归一化特征值进行支撑向量机的分类得到道路斑块,利用形态学算子对其进行初步连接并提取轴线,然后通过斑块轴线的启发式连接得到最终道路网。试验证明方法是有效的。

基于线性光谱模型和支撑向量机的软硬分类方法

针对硬分类方法中无法解决的混合像元问题及软分类方法中全图共用一套端元进行混合像元分解所带来的弊端,提出了一种新的软硬分类方法。该方法通过分析目标地物在图像中的分布情况,自动计算判别阈值,将图像分为目标地物纯净区域、目标地物混合区域和非目标地物区域。对于目标地物纯净区域和非目标地物区域采用硬分类方法(支撑向量机)快速提取分类信息;对于目标地物混合区域采用软分类方法(端元可变的线性混合像元分解)提取目标地物丰度信息,最后得到目标地物软硬分类结果。通过对北京地区ALOS图像的应用试验,并将新方法与支撑向量机、线性光谱混合模型进行比较,新方法的RMSE值为0.203,总量精度达到95.48%,高于支撑向量机和线性光谱混合模型。实验结果表明,新方法能够有效解决混合像元问题,提高图像分类精度。

一种基于支撑向量机学习预测井眼轨迹的新方法

对影响井眼轨迹的几个主要因素进行了分析,提出了一种利用小样本统计学习理论中的支撑向量机来进行井眼轨迹预测的新方法,介绍了用于非线性回归估计的支撑向量机的基本原理,通过对一口或几口已钻井的轨迹数据、钻进方式和底部钻具组合结构参数进行学习训练支撑向量机,建立了井眼轨迹的支撑向量机预测模型,并利用多口实钻井的轨迹数据进行了验证。结果表明,这种新方法的预测精度远高于传统的定曲率几何预测方法。

线性规划支撑矢量机

本文通过对统计学习理论中一些重要结论 ,特别是线性函数VC维数的分析 ,得到了一种线性规划支撑矢量机 ,包括线性规划线性支撑矢量机和线性规划非线性支撑矢量机 .在线性规划支撑矢量机中 ,对其VC维数界作了适当的放宽 .文中最后对人工和实际样本进行了实验 ,结果说明了线性规划支撑矢量机在推广能力上较好地逼近了原支撑矢量机 ,而在计算复杂度上明显低于原支撑矢量机 .

尺度核函数支撑矢量机

本文提出了一种可容许的支撑矢量机核—尺度核 .该尺度核函数可以被看作是一个具有平移因子的多维尺度函数 ,它能作为平方可积空间的子空间上一组完备的基函数 .在此意义上 ,采用尺度核函数的支撑矢量机 ,可以认为是在尺度空间中寻找最佳的尺度系数 .因此在理论上尺度核函数支撑矢量机能够以零误差逼近某一空间上的任何目标函数 。

基于支撑向量机概率输出的高光谱影像混合像元分解

提出利用支撑向量机(SVM)后验概率来分解高光谱影像的混合像元,通过支撑向量机的输出值转化为两两配对的后验概率,再由两两配对的概率值求得多类后验概率,并以像元所属类别的后验概率作为地物的组分信息。实验结果表明,该方法能较好地估计出混合像元的组分比。

高斯核支撑向量机的性能分析

高斯核函数因其良好的性态，在新近提出的学习机器——支撑向量机中得到广泛的应用，以高斯核为其核函数的支撑向量机在实际应用中表现出良好的学习性能。然而，研究发现，高斯核中尺度参数σ的大小对支撑向量机性能的优劣发挥着关键性的作用。该文研究和讨论了支撑向量机的性能随尺度参数σ从0到∞的变化规律，证明了高斯核支撑向量机在σ→0和σ→∞时所具有的重要性质。数值实验结果进一步验证了所得结论。

基于最小二乘支撑矢量机的陀螺仪漂移预测

研究了支撑矢量机的回归估计算法。针对标准支撑矢量机算法训练速度慢、难以解决大规模问题的局限性,对标准算法的约束条件加以改进,得到一种最小二乘支撑矢量机回归估计算法,该算法大大提高了支撑矢量机的训练速度和解决大规模问题的能力。论文将最小二乘支撑矢量机应用于陀螺仪的漂移预测中,仿真实验结果证明了算法的有效性和可行性,为陀螺仪的实时预测及故障预报提供了可能。

用于一维图像识别的支撑矢量机方法

研究了支撑矢量机的分类机理 ,并利用支撑矢量机对雷达目标一维像进行了识别 .识别的结果表明了该方法的优越性 ,并显示它可以对残缺不全的样本进行识别 .

基于支撑矢量机的智能目标识别方法

支撑矢量机是一种能在训练样本数很少的情况下达到很好分类推广能力的学习算法 .文中将支撑矢量机的概念引入雷达的目标一维像识别中 ,对其机理作了详细地分析 ,建立了相应的支撑矢量机分类器算法 .对雷达目标的回波数据进行目标特征提取与分类的实验结果表明 。

结合纹理分析和支撑矢量机的汽车牌照定位研究

为了提高汽车牌照定位的准确率,将拍摄到的汽车图像先作离散余弦变换(DCT),然后对频率系数量化,从量化值中提取图像的方向性,并将量化值的统计特性和图像的方向性结合起来构造频域特征矢量;在空域中提取图像的角二阶矩、对比度、相关性和熵4个特征量,构造空域特征矢量.结合支撑矢量机,在粗分类时找到牌照候选区域,在细分类时从牌照候选区分离出真实的牌照.分类过程综合考虑分类速度、分类准确率和感兴趣的区域,可采取灵活的分类方式.实验表明,该方法对于汽车牌照定位具有较好的效果,可操作性较强.