基于最优间隔分布的最小二乘支持向量机

支持向量机(support vector machine,SVM)通过结构风险最小化构建模型,模型简单易理解,但求解过程较复杂;而最小二乘支持向量机(least squares support vector machine,LSSVM)求解的是一组线性方程组,其求解效率远高于SVM.然而,传统LSSVM忽略了样本点到超平面分布的影响.为了充分考虑数据的分布,本研究从LSSVM出发,加入最小化距离方差与最大化距离均值正则项,构建全新的LSSVM模型(LSSVM_rv和LSSVM_rm_rv模型).该模型的优势在于:依据数据的分布特征构建模型,分类效果更好;对偶问题仍是一组线性方程组,计算成本较小.大量的数值实验进一步验证上述模型的优越性,与传统SVM和LSSVM相比,在6个数据集上的分类准确率均有所提高,并且节省了大量的训练时间.

基于最小最大概率机的虹膜图像分类方法研究

为了提高虹膜图像分类的准确性和稳定性,提出了一种基于最小最大概率机的虹膜图像分类方法.该方法通过控制错分概率实现分类的最大化,将一般的二维分类问题扩展到虹膜特征的多维空间,并利用最小最大概率机的高维映射泛化特性,实现了不同核函数下的虹膜图像多维分类问题,具有分类准确率高、稳定性好的特点.通过虹膜图像库的实验验证表明,该方法在保持分类稳定性的同时,获得了径向基核函数高达98.55%的分类率,该分类率比最近特征线方法和相异度函数方法的分类率分别提高了4.47%和6.41%.

基于最小最大概率机的迁移学习分类算法

传统的迁移学习分类算法利用源域中大量有标签的数据和目标域中少量有标签的数据解决相关但不相同目标域的数据分类问题,但对于已知源域的不同类别数据均值的迁移学习分类问题并不适用。为了解决这个问题,利用源域的数据均值和目标域的少量标记数据构造迁移学习约束项,对最小最大概率机进行正则化约束,提出了基于最小最大概率机的迁移学习分类算法,简称TL-MPM。在20 News Groups数据集上的实验结果表明,目标域数据较少时,所提算法具有更高的分类正确率,从而说明了算法的有效性。

基于数据分布一致性最小最大概率机

针对既包含有标记样本又包含未标记样本的分类数据,提出数据分布一致性原理,并将其融入到最小最大概率机中。把有标记样本和无标记样本映射到决策超平面所在空间(简称超空间),通过最小化有标记样本和无标记样本在超空间的概率分布差异,充分利用无标签样本来修正最小最大概率机的误差,使得修正后的决策超平面更接近于真正的分类超平面。实验证明,数据分布一致性最小最大概率机(DCMPM)比最小最大概率机(MPM)具有更好的分类性能。

基于最小最大概率机的客户需求分类技术

针对复杂产品客户需求中类别数多且数据量大的分类问题,利用最小最大概率机的概率信息和样本间隔信息,提出采用启发式方法解决编码设计问题。在算法中将一个减少了迭代次数的分类器视为弱化了的分类器,同时保留分类器的间隔属性和几何特性,并利用高维映射将分类器输出映射到特征空间,在弱化阶段大量减少了整体的迭代次数而在合成阶段利用非线性映射来提升性能。通过对叉车产品客户需求的数值试验证明算法具有较好的分类效果,降低了对二类分类器的精度要求。

基于因子分析和最小最大概率机的交通事件检测算法

为了进一步提高交通事件检测的精度与效率,在多角度构建事件检测初始交通变量的基础上,设计了1种基于因子分析和最小最大概率机的交通事件检测算法。通过分析交通事件上下游交通流参数的变化规律,构建了11种初始交通事件检测变量,利用因子分析方法对初始交通变量进行特征提取,实现初始交通变量的有效降维,并分别采用核函数最小最大概率机算法和线性最小最大概率机算法进行交通事件检测。最后,采用美国I-880数据库的实测数据进行实验验证和对比分析,实验结果表明,FA-MPM算法较MPM算法事件检测率提高3.5%,误报率降低0.17%,平均检测事件减少了27.5s,且最小最大概率机算法的交通事件检测效果明显优于支持向量机算法和BP神经网络算法。

基于改进的最大后验概率矢量量化和最小二乘支持向量机集成算法

针对目前说话人识别系统的效率问题,采用集成算法的策略,提出一种新的说话人识别系统框架。首先,考虑到传统的最大后验概率矢量量化(VQ-MAP)算法中只关注平均矢量而不考虑权重的问题,提出了改进的VQMAP算法,使用加权平均向量来代替平均向量;然后,由于支持向量机(SVM)算法相对耗时,故采用最小二乘支持向量机(LS-SVM)替代SVM算法;最后,在说话人识别系统中,利用改进的VQ-MAP算法所得参数集作为LS-SVM的训练样本。实验结果表明,基于改进的VQ-MAP和LS-SVM的集成算法,与传统的SVM算法相比,在均使用径向基函数(RBF)核函数时,对40人样本数据建模时间上减少接近40%;在阈值为1,测试语音时长为4 s时,与传统的VQ-MAP和SVM算法相比,误识率降低了1.1%,误拒率降低了2.9%,识别率提高了3.9%;在阈值为1,测试语音时长为4 s时,与传统的VQ-MAP和LS-SVM算法相比,误识率降低了3.6%,误拒率降低了2.7%,识别率提高了4.4%。结果表明,集成算法能够有效提高算法识别率,明显减少运算时间,同时降低误识率和误拒率。

特征加权最小最大概率机

在最小最大概率机中引入Boosting权值确定方法,构造特征加权最小最大概率机(FWMPM)。利用Boosting方法计算各个特征对分类任务的重要度,把此特征重要度作为原始数据各个特征的权重,对核函数中的内积和欧氏距离进行加权计算,从而可以减轻最小最大概率机被一些弱相关的特征影响。实验结果和理论分析表明,该方法比标准最小最大概率机具有更好的分类性能。

最小最大概率回归机在短期风电功率预测中的应用

为了对短期风电功率的预测进行研究,提出了一种基于最大最小概率回归机(MPMR)的预测方法。MPMR方法是将最小最大概率分类机(MPMC)向回归问题的应用推广。该方法仅须假定产生预测模型的数据分布均值与协方差矩阵已知,即能够最大化模型的预测输出位于其真实值边界内的最小概率。验证试验表明,MPMR方法能更好地跟踪风电功率的变化,有效地提高风电功率的预测精度,具有很好的应用前景。

一种基于独立成分分析和最小最大概率机的人脸识别系统

提出了一种基于独立成分分析和最小最大概率机的人脸识别系统。该系统首先从摄像头中捕捉包含人脸的实时图像,利用haar特征人脸检测算法定位人脸区域,并将其从原始图像中分割出来。为了更好地提取有效特征,采用了ICA的特征提取方式,结合改进误差估计的最小最大概率机的分类方法对输入的测试图像进行识别。实验证明,该系统能够快速有效地处理实时状态下的人脸识别任务,准确率达到了96.8%,并且对多姿态的人脸具有一定的鲁棒性。

基于最小二乘支持向量机的事件处置案例匹配算法

随着军事信息化、智能化进程不断深化发展,面对突发情况时通常需要在极短时间内完成事件处置方案拟制,因此对事件处置智能化的需求极为急迫。结合Platt scaling概率校准模型,针对非均衡数据分布和多类属输出概率校准拓展问题,对核最小二乘支持向量机模型进行改进,提出一种校准概率最小二乘支持向量机(Calibration Probabilistic Least Squares Support Vector Machine, CPLS-SVM)分类算法;设计一种基于CPLS-SVM算法的事件处置案例匹配方法,提高复杂案例样本环境下的匹配精度;通过构建基于校准概率最小二乘支持向量机,并应用到事件处置实例模拟数据进行仿真实验,验证算法的有效性和性能优势。

基于最小最大概率机的彩色人脸检测

在生物特征识别领域,人脸识别已经越来越引起了人们的广泛注意.人脸检测在人脸识别系统中是非常重要的,其检测效果将最终直接影响后边的识别.在本文中,我们提出了一种基于最小最大概率机的彩色人脸检测方法.首先对输入图象利用肤色模型对人脸进行初定位,形成肤色区域,达到缩小搜索空间的目的.此结果作为候选人脸区域输出,将大量非人脸的子窗口去除,剩余的子窗口将通过使用基于最小最大概率机分类器进行判别验证.实验证明,本方法在确保有效的检测出复杂背景下的人脸图像的同时,具有很好的实时性.

基于最小最大概率机的OFDM信道预测

本文提出应用基于最小最大概率机(MPM)来解决无线衰落信道非线性预测问题。首先构造信道预测的参考模型,结合插值思想,利用非线性方法对信道频率响应模拟。然后通过改变导频模式,在频域方向插值,从时域上对信道进行预测。为了提高OFDM信道预测速度和精确度,提出用基于最小错分原理的MPM来解决无线衰落信道非线性预测问题。预测实验表明,本算法在衰落信道预测的预测速度和准确性方面具有优越性。

基于最小二乘支持向量机的汽轮机故障诊断

提出一种小波包分析与最小二乘支持向量机相结合的汽轮机故障诊断模型.对故障信号功率谱进行小波分解,简化了故障特征向量的提取.用二次损失函数取代支持向量机中的不敏感损失函数,将不等式约束条件变为等式约束,从而将二次规划问题转变为线性方程组的求解.选用RBF函数作为核函数,并提出对核函数的参数进行动态选取,提高了诊断的准确率.仿真结果表明该模型具有较强的非线性处理和抗干扰能力.

基于KPCA-KMPMR的短期风电功率概率预测

针对短期风电功率概率预测,提出一种基于核主成分分析(KPCA)与核最小最大概率回归机(KMPMR)相结合的方法。KPCA方法可对数据进行预处理,在特征空间中有效提取模型输入的非线性主元;KMPMR方法在仅需假定产生预测模型的数据分布的均值与协方差矩阵已知时,将最小最大概率分类机(KMPMC)的分类超平面看作预测模型的输出,可最大化模型的输出位于其真实值边界内的最小概率。实验结果表明,所提方法在预测精度上优于现有的预测方法,并能提供预测误差的分布范围。

机器学习辅助下的概率积分法参数预计模型寻优

收集整理了多组地表移动观测站资料作为训练样本和检验样本,以工作面地质采矿条件为输入集,概率积分法预计参数为输出集,利用机器学习方法对概率积分法预测参数进行了预测。选取支持向量机、BP神经网络和偏最小二乘法3种机器学习方法对训练样本进行训练,利用训练所得模型预测检验样本中的概率积分法预测参数,并将预测结果与观测站实测值进行对比。结果表明,利用支持向量机预测下沉系数、主要影响角正切值及水平移动系数的精度最高,其平均相对误差分别达到7.46%、4.00%、13.17%;拐点偏距及开采影响传播角利用偏最小二乘法预计精度最高,平均相对误差分别为10.83%、0.88%;总体而言支持向量机的预测精度最为稳定。

最小最大概率分类的财务预警模型

最小最大概率机是一种实现未知样本正确分类概率最大化的分类算法,其在两类样本的均值和协方差矩阵已知的条件下而构建的,对类条件分布不做要求,非常适合于财务危机建模分析。文章提出使用建立最小最大概率分类理论进行财务预警研究,结合沪深股市A股制造业上市公司的财务数据进行实证研究,使用线性和核最小最大概率机算法分别建立T-2和T-3年财务预警模型,实验结果表明最大最小概率分类财务预警模型具有不错的分类效果和适应性。

基于最小最大概率回归方法的中长期电价预测模型

中长期电价的预测无论是对于市场监管政策的制定,还是对于大用户和发电商的投资规划,都具有极其重要的意义。影响中长期电价的因素比较复杂,历史电价数据分布混乱增加了一般回归电价预测建模的难度。提出了一种基于最小最大概率回归方法的电力市场中期电价预测的新模型。在分析最小最大概率机(MPM)及其用于回归原理的基础上,使用最小最大概率回归(MPMR)方法对不同的训练样本集进行训练,并计算出预测期的预测值,取得了比较好的预测结果。训练样本的分割使中期电价预测模型更加准确。美国加州现货电能量市场的实例数据验证了所建模型及方法的有效性。

基于概率输出支持向量机和证据理论的变压器故障诊断技术

针对变压器故障诊断准确率低、多种带电检测状态信息难以融合等问题,提出了一种基于概率输出支持向量机与证据理论的变压器检测信息融合诊断模型。

基于自适应人工蜂群算法优化的最小二乘支持向量机在变形预测中的应用

针对人工蜂群算法(ABC)机制中步长更新及概率选择方面的不足,提出了自适应人工蜂群算法(AABC).在AABC中设计了新的自适应步长更新公式及自适应概率选择公式来平衡算法的勘探和开发能力.采用AABC算法对最小二乘支持向量回归机(LSSVR)进行参数优化,进而构建出基于AABC优化的LSSVR变形预测模型并应用于滑坡变形预测.实验结果表明,AABC有效的解决了ABC过早收敛、收敛精度不高等缺点,且较对比模型来讲,AABC_LSSVR模型预测精度更高,预测趋势更符合实际.