基于改进SVM的无线通信网络干扰检测方法

针对现有干扰检测方法在应用到无线通信网络中,存在检测精度低,检测到的干扰信号波形与实际不一致的问题,引入改进SVM,开展对无线通信网络干扰检测方法的设计研究。先确定多种类型干扰信号的时域表达式,实现对无线通信网络干扰信号的识别。然后利用改进SVM,构建无线通信网络干扰检测模型。最后,为优化干扰检测效果,对通信信号参数重构,通过重构的信号,再次实现干扰检测。通过对比实验证明,新的检测方法在实际应用中可以实现对干扰信号高精度检测,得到的干扰信号波形与实际情况相符,可充分满足无线通信网络高精度干扰检测要求。

基于改进SVM的物联网伪装信息检测方法

针对现有检测方法在对物联网中伪装信息检测时,存在伪装信息过滤率低,检测到伪装信息数量与实际相比差距较大的问题,引入改进SVM算法,开展对物联网伪装信息检测方法的设计研究。结合改进SVM算法基本原理,对物联网信息聚类处理。对聚类物联网信息训练分解,获得特征矢量和决策变量,实现对物联网伪装信息的识别。最后,对伪装信息相似度计算,实现对其检测。通过对比实验证明,新的检测方法与现有检测方法相比,伪装信息过滤率得到显著提升,检测到的伪装信息数量与实际情况基本一致,检测结果更符合物联网伪装信息检测质量要求。

基于改进SVM算法的输变电工程异常数据检测方法设计

输变电工程的异常造价数据检测是电力工程数据分析的重要组成部分,但要对其进行深入的分析处理并投入工程应用,仍存在较多障碍。为解决输变电工程数据难以量化的问题且实现对异常数据的检测,文中基于建筑通用模型BIM技术,将建筑模板与实际数据相融合,设计完成了一套建筑成本估算系统。其针对多维度异常数据难以分类的问题,在改进SVM算法的基础上开发了多维逻辑回归分类器,进而实现了分布式的主动数据分类学习方法。通过实验验证可知,相比于常规算法,所提改进SVM算法的准确率更高,且可对不同工程方案、不同工程建设阶段的造价数据进行快速、准确识别,因此具有良好的应用价值。

基于RF-PCA-改进SVM模型的齿轮故障诊断方法

为提升齿轮故障诊断的正确率,提出了基于随机森林(Random Forest,RF)和主成分分析法(Principal Components Analysis,PCA)对齿轮振动信号进行特征降维处理,并采用粒子群算法(Particle Swarm Optimization,PSO)求解支持向量机(Support Vector Machine,SVM)特征参数最佳取值的齿轮故障诊断模型(RF-PCA-改进SVM模型)。对齿轮箱实例中正常、断齿、齿根开裂、剥落、削尖等9种不同状态进行了验证,证明了RF-PCA-改进SVM模型对齿轮故障诊断的有效性。试验结果表明:通过对比不同诊断模型识别率,证明RF-PCA-改进SVM模型具有更优的齿轮故障识别率,平均达到了99.66%,且计算效率较高;样本数量改变虽然会影响模型正确识别率,但不同的改变方式对识别率影响的程度不同,对于RF-PCA-改进SVM模型,当齿轮状态数据大于40个时即可达到88%以上的正确识别率。

基于改进SVM的网络异常数据优化分类方法研究

对网络异常数据进行准确分类能够为网络入侵分类、保障网络安全提供准确的依据。传统算法没有考虑网络异常数据分布的不均衡性和高动态变化性,从而降低了分类的准确率和效率。为此,提出一种基于改进SVM的网络异常数据分类方法。在确定网络异常数据隶属度的时候考虑到其与类中心的关系,对传统的SVM进行了改进,在构建SVM分类器的过程中,引入了模糊隶属度函数,并将网络异常数据的分类问题转换为二次规划问题,最终实现网络异常数据的准确分类。仿真实验结果表明,利用改进算法进行网络异常数据分类,能够提高网络异常数据分类的准确率和分类效率,效果令人满意。

基于改进SVM的互联网用户分类

由于传统模型大量约束样本,导致其学习能力下降,因此设计一个基于改进支持向量机(Support Vector Machine,SVM)的互联网用户分类模型.该模型通过构造样本数据,模拟互联网用户的浏览轨迹;根据用户偏好,制定全新的用户分类策略;基于改进支持向量机,实现对互联网用户的分类.性能测试:3次实验下,此次设计的模型分类准确率平均值为98.56%,超出了预设的期望值,具备分类能力.对比测试:与两组传统用户分类模型相比,此次设计的模型,面对不断增加的样本数据,同样能保持高水平的学习能力.

改进SVM结合决策树的情感语音识别

针对传统情感语音识别方法整体分类精度不高的问题,提出改进SVM结合决策树的情感语音识别方法。首先,提取能量、过零率、幅度以及线性预测系数共四个时域统计特征,基于互相关技术将中性情感语音作为参考,与其余的情感语音相关联。其次,从每个得到的互相关序列中提取出质心等五个特征。最后,利用提出的改进SVM与决策树的混合模型完成分类识别。在柏林情感语音数据库上的结果表明,提出的方法能有效完成情感语音信号识别。

用GA、PCA和改进SVM相结合进行车辆实时分类

用GA、PCA和改进SVM结合进行车辆实时分类研究对公路管理和控制具有实际应用意义和社会效益。在某公路的匝道口两侧设置了8个测试点,对通过匝道口的车辆进行测试,提取特征向量,采用声波和振地波信号在匝道口进行了实时分类测试研究。由于特征向量的维数太高,用GA和PCA降低特征向量的维数,再用SVM和改进的SVM对特征向量进行分类,大大提高了分类精度。通过实验及分类得到声波和振地波的测试集分类精度最高分别是92.0%和76.1%,同时声波和振地波特征向量的维数降低至26和21,其相应的比率分别为95%和99%,独立集的分类精度分别为87.5%和71.3%。实验表明:用改进的SVM和GA、PCA结合的方法进行分类,其效果要优于单独使用主成分分析(PCA)、遗传算法(GA)以及它俩的结合使用的方法。

基于FIR-EMD和改进SVM的铁路轴承故障诊断

针对铁路轴承故障难以有效识别的问题,提出了一种基于FIR-EMD和改进SVM的铁路轴承故障诊断方法。首先,对采集到的振动信号进行FIR降噪,再对降噪后的信号进行EMD分解,接着对分解后的信号构造IMF能量矩,最后将能量矩作为改进SVM的输入实现铁路轴承故障分类。实验结果表明该方法能有效地识别铁路轴承故障类型。

基于改进SVM的数控机床在线实时诊断系统设计

结合故障诊断需求,提出一种改进SVM故障诊断与预警系统。结合故障诊断原理,对系统整体架构进行部署;选择7202AC型角接触球轴承故障特征作为研究对象,通过传感器对故障特征进行采集;通过时域、频域和时频域特征提取,完成对故障信号的预处理;然后利用遗传算法对传统SVM惩罚因子C和g进行优化,以此完成对不同故障类型的识别。最后,结合MATLAB软件和Python编程语言,对改进算法进行系统实现,验证了改进算法的可行性。

基于图像处理与改进SVM的苹果多特征融合分级方法

为实现苹果准确分级,我们提出了基于图像处理与改进SVM(支持向量机)的苹果多特征融合分级方法。该方法主要分为图像预处理、背景分割、特征提取以及改进SVM的多特征融合分级四部分。首先,利用同态滤波算法改善采集的苹果图像质量;其次,将图像转换至HLS空间,使用Qtsu算法分割背景,利用形态学处理去除果梗及表面缺陷区域,利用Canny算法提取苹果轮廓;然后,提取苹果的大小、形状、颜色、缺陷、纹理5个特征;最后,利用交叉验证法优化SVM中的惩罚因子,建立多特征融合分级模型,并通过Fisher计算各指标的权重。本试验分别选取146、61个被明确划分等级的苹果样本进行训练、测试,结果表明,该分级方法的准确率达96.72%,可实现高精确度的苹果自动化分级。

改进SVM算法在引水明渠纵向离散系数优化中分析

针对传统SVM优化计算的局限性,引入改进的SVM算法对引水明渠的纵向离散方程进行优化求解,并结合水槽物理模型试验对比分析优化求解精度。试验表明:改进SVM算法较优化传统算法的求解能力,优化求解适应性更强,方法可引入到天然河流的纵向离散系数的推算中;水宽及剪切流速对于纵向离散优化求解敏感度较强。

基于改进SVM的电子通信干扰检测方法

传统方法干扰信号检测精度效果较差,无法适应当前电子通信环境,设计基于改进SVM的电子通信干扰检测方法。识别电子通信干扰信号,提高干扰信号的识别精准度;改进SVM下构建通信干扰网络检测模型,增强网络信号强度相关性;重构网络模型通信信号参数,保证检测效果;进而达成实现电子通信抗干扰检测。采用仿真实验的方式,验证新检测方法的检测精度更高,极具推广价值。

基于改进型SVM的电网计量信息快速清洗研究

由于传统方法在电网计量信息清洗中应用效果比较低,不仅清洗时间比较长,而且清洗后的信息丢失比例比较高,无法达到预期的清洗效果,为此提出基于改进型SVM的电网计量信息快速清洗研究。利用计量器采集到电网计量信息,根据信息密度值识别噪声点并对噪声信息滤除,利用判断决策函数筛选出缺失信息,将其带入到改进型SVM中,利用粒子群算法对SVM参数优化改进,利用改进型SVM对缺失信息补偿清洗,以此实现了基于改进型SVM的电网计量信息快速清洗。经实验证明,设计方法清洗时间在1s以内,信息丢失占总信息量不超过1%,设计方法在电网计量信息快速清洗方面具有良好的应用前景。

一种基于改进型SVM算法的光纤入侵信号识别研究

目前,大多数的光纤入侵预警系统采用BP神经网络作为识别环节的分类器,然而,它难以解决网络规模和实例规模间的矛盾,而且过拟合现象严重,使得BP算法低效,为了避免以上问题,本文采用具有全局最优、推广能力强、选择参数少等优势的支持向量机(SVM)来进行光纤入侵信号的识别.针对实际应用背景中入侵危害程度和发生概率的不同,本文提出了一种基于样本先验信息调整超平面阈值的改进型支持向量机.

改进的LS-SVM理论在刮板输送机链条寿命预测中的应用

在分析以往理论计算和加速寿命试验方法在链条预测中的不足的基础上,提出了一种基于LabVIEW和改进的LS-SVM理论的刮板机链寿命预测系统,并给出了原理及实现方法;针对传统最小二乘支持向量机存储空间和计算量大的缺点,利用阈值改进最小二乘支持向量机算法;结果表明,算法对回归精度影响不大,能有效地减少存储空间,对刮板机链寿命有良好的预测能力,适合以模块形式嵌入到刮板输送机检测系统中。

基于自然驾驶数据的驾驶换道风格分析与辨识

为了研究在换道工况下个体驾驶行为及其辨识,基于NGSIM轨迹数据提取532组换道有效数据。分析处理驾驶员换道特征参数,运用K-means算法对驾驶员进行聚类分析,可分为谨慎型、一般型、激进型三类。并对聚类的参数进行统计分析和时频分析验证各类驾驶人的差异性,并提取出有效参数作为辨识模型的输入,基于惯性权重非线性变化和粒子最大速度非线性递减的策略来改进粒子群,建立起基于改进粒子群优化SVM的驾驶人风格辨识模型,对SVM模型的两个关键参数C和g进行优化更新,驾驶人识别准确率可达到96.25%,且与BP神经网络、PSO-SVM、随机森林、KNN算法相比具有更高的识别准确率。

一种基于多特征组合的EnMap-BOX土地利用分类方法研究

为研究多特征组合在国产高分卫星影像土地利用分类中的应用效果,本文采用GF6-WFV多光谱影像数据,构建基于光谱波段、植被指数、纹理特征的多特征组合,并采用ReliefF算法进行特征优选获取信息量冗余较小的优选特征集合,结合EnMap-BOX工具包寻优改进的SVM算法中惩罚参数C和核函数系数g获取最优分类模型,对研究区进行分类。结果表明:1)特征选择能够较好地降低多特征集合的信息量冗余。2)基于特征选择的改进SVM算法模型能获取较高的土地利用分类精度,总体精度达到82.89%,Kappa系数达到0.78,可以为土地利用分类提供一种具有较高应用价值的方法。

基于扰动观测法的改进MPPT算法研究

根据目前阿克苏地区光伏发电场的运行情况,发现光伏发电技术还存在着光-电转换率低、输出功率不稳定等问题,很大程度上影响着该地区光伏发电场的经济运行。因此,为了促进光伏发电的进一步发展、稳定输出功率、提高光伏发电技术的光电转换率,在分析光伏发电的模型和研究光伏发电最大功率点跟踪(MPPT)技术的基础上,提出改进的扰动观测法(SVM改进扰动法),并利用Simulink仿真软件进行仿真分析,通过仿真结果证明改进的扰动观测法消除了震荡,有效地减少了扰动次数和跟踪时间、提高了最大功率点的跟踪精度和速度。

双地刀隔离开关新型防误操作装置故障自动化诊断研究

为了达到故障诊断效果改善目标,为电网安全运行提供保障,该文设计了双地刀隔离开关新型防误操作装置故障自动化诊断方法。依据双地刀隔离开关新型防误操作装置工作原理,分析装置电机定子电流特性,确定转速波动与基波电流、边频分量的关系后,在采集电流信号滤波的基础上,提取其电流等效值特征与边频分量特征,将两特征作为改进SVM故障诊断模型的输入,实现双地刀隔离开关新型防误操作装置故障类型的识别。实验结果表明,所提方法可以完成电流信号特征的提取,且故障诊断结果与实际结果一致,说明所提方法具有实用性。