一种基于WGKMW的网络结构核函数框架

在提出一种加权多宽度高斯核函数(WGKMW)基础上,进一步提出一种基于WGKMW的径向基网络结构的核函数的框架,即网络核模式(NKP),该核函数的框架具有径向基网络的特点,其实质是一种多参数的权重系数相对确定的神经网络。通过对WGKMW和高斯核函数(GK)的支持向量分类对比实验可以看出WGKMW的优越性。

紧框架分析模型下的模糊图像盲复原

在基于稀疏表示模型的图像盲复原问题中,模糊核估计与稀疏模型的选取是影响盲复原性能的两个关键因素。针对传统基于稀疏表示盲复原方法的不足,本文提出一种基于紧框架分析模型的图像盲复原方法。该方法将盲复原问题分裂为两个迭代的子问题,分别是基于梯度图像的模糊核估计与基于紧框架分析模型的非盲图像复原。在核估计问题中,提出同时约束核稀疏性及一阶微分平滑特性,进一步提高了核估计精度。在紧框架非盲图像复原问题中,提出一种基于Moreau envelope函数的数值计算方法,有效地解决紧框架复原模型的不可微和不可分离性。实验结果表明,本文复原方法在图像细节恢复与客观评价指标方面均优于传统复原算法。

基于小波理论的支持向量机瓦斯涌出量的预测

将小波框架理论引入到支持向量机预测函数中,建立了基于小波理论的支持向量机预测模型。该模型通过小波变换将输入向量映射到一个高维特征空间,在这个特征空间内,利用支持向量机进行预测。经实验表明该模型预测的结果比较准确,在时间复杂度上和预测精度上要优于以往的预测模型,能够达到指导实践的要求。

基于广域量测和高斯过程分类器的暂态稳定评估

为了克服现有基于模式识别的暂态稳定评估(PRTSA)方法的不足,本文考虑广域测量系统可以提供的故障后实测信息,在合理选取一组具有代表性的输入特征基础上,提出了一种基于组合核函数高斯过程的PRTSA方法。相对于支持向量机,该方法具有参数自适应选取、输出具有概率意义等优点,并通过将不同特性的单一协方差函数相加构造组合核函数,进一步提高了评估模型的分类能力。应用于新英格兰39节点系统的仿真结果验证了所提出方法的有效性。

小波支持向量机

在研究支持向量机(SVM)核方法和小波框架理论的基础上,提出了一种称为小波支持向量机(WaveletSupport Vector Machines,WSVM)的新的机器学习构造方法.该方法引入小波基函数构造SVM的核函数,得到了一种新的SVM模型,然后提出了此模型的结构设计和实现算法,最后给出了几种常用的小波核函数,并给出了理论证明.通过仿真实验,把该方法与小波神经网络、高斯核SVM相比较,得到了较好的实验结果,从而验证了该方法的正确性和有效性.