线性机与粗糙集综合聚类的铣刀破损状态识别

在铣刀状态识别中,为更好地拟合训练样本数据,采用了线性机和粗糙集结合的算法,对训练样本数据进行监督学习,得到了刀具状态分类规则。样本训练的计算简单,分类规则得到简化,样本的分类正确率高。表明应用该算法可较好地获得刀具状态识别规则。

基于非线性支持向量机的配电网带电检测方法

由于现有方法在配电网带电检测中应用效果不佳,不仅灵敏度比较低,而且特异度也比较低,无法达到预期的检测效果,本文提出基于非线性支持向量机的配电网带电检测方法。采用压缩感知算法对原始配电网电气信号处理,减少样本数据量,构造配电网数据序列样本集,利用小波去噪技术对数据序列样本去噪处理,利用非线性支持向量机对电气信号分类,识别检测异常信号,以此完成配电网带电检测。经实验证明,设计方法灵敏度与特异度均在90%以上,检测精度较高,在配电网带电检测方面具有良好的应用前景。

基于线性规划支持向量机的隧道围岩变形预测

支持向量机(SVM)以其良好的学习性能被广泛应用于包括隧道围岩变形在内的时间序列预测,核函数形式对其预测能力有重要影响,故灵活运用核技巧来增强推广性能已成为支持向量机应用研究的一个重要方面。对于标准SVM及最小二乘支持向量机(LS-SVM),由于其核函数必须满足Mercer条件,因而大大限制了核函数选取范围,制约着推广能力的进一步提升。为此引入一种新型的时间序列预测模型———线性规划支持向量机(LP-SVM),因其核函数不必满足Mercer条件,从而为灵活选取核函数提供了方便。将新预测模型应用于岭南高速公路雪家庄隧道围岩变形预测,分析结果表明,在同时采用径向基(RBF)核函数的情况下,LP-SVM与LS-SVM的预测精度非常接近,能够满足工程需要,但由于前者的核函数可以在更大范围内选取,使其预测性能具有更大的提升空间,从而为岩体变形预测提供了一种更具潜力的新途径。

辅助训练的半监督线性支持向量机用于EEG分类

研究了基于辅助训练思想的半监督线性支持向量机方法在脑机接口EEG分类中的应用。首先采用高斯混合模型、Parzen窗、KN-近邻估计三种方法估计概率密度,得到未标记样本的密度信息,选择部分概率较高样本,使用比较置零法避免错分。其次采用线性支持向量机作为判别分类器得到已选样本的边界信息,通过距离判别条件选出高置信度的样本,使用方向判别条件避免错分。结合密度和边界信息完成高置信度未标记样本选择的方法称为辅助训练半监督支持向量机。本文的实验数据包括g50c、BCIⅠ、BCIⅡ_Ⅳ、USPS,分类正确率分别为91.6%,97%,84%,90.4%,运算速度最慢的仅需约3.5 s。在分类正确率和运算效率两个方面,均优于自训练半监督SVM、监督SVM两种方法。

基于线性最小二乘支持向量机的光谱端元选择算法

光谱端元选择是高光谱数据解混分析的重要前提。在各种端元选择算法中,N-FINDR算法因其自动性和高效性受到广泛欢迎。然而,该算法需要进行数据降维预处理,且包含大量的体积计算导致该算法的运算速度较慢,限制了该算法的应用。为此提出基于线性最小二乘支持向量机的N-FINDR改进算法,该算法无需降维预处理,且采用低复杂度的距离尺度代替复杂的体积尺度来加速算法。此外还提出对野值点施加有效控制以赋予算法鲁棒性,以及利用像素预排序方法来降低算法的迭代次数。实验结果表明,基于线性最小二乘支持向量机的改进N-FINDR算法在保证选择效果的前提下复杂度大大降低,鲁棒性方法和像素预排序方法则进一步提高了算法的选择效果和选择速度。

线性支持向量顺序回归机的原始问题的解集分析

本文主要对线性支持向量顺序回归机进行理论研究.对其相应原始问题解的存在性唯一性问题进行细致的分析,指明其解集的确切结构,并给出由对偶问题的解求出原始问题的解集的具体步骤.从而为建立理论上完备的线性支持向量顺序回归机提供了依据.

条纹投射技术中的投影机非线性自校正方法研究进展

在条纹投射技术中,投影机光强非线性是影响测量精度的关键因素之一。投影机非线性会在条纹信号中引入高阶谐波,从而导致位相测量结果中出现波纹状误差。投影机非线性的自适应校正方法,也即自校正方法,可以从测量数据中直接估计投影机输入输出光强曲线或位相误差函数,从而避免了繁琐的前标定过程,并因此在应用中具备很强的适应性。文中拟对投影机非线性自校正算法的研究进展作一个系统性的概述。这些方法中,其一,是从采集的条纹图像中利用迭代拟合算法直接估计投影机的非线性曲线,并依据其校正位相误差;其二,是从单幅测量位相图中识别并移除由非线性引起的位相误差;其三,是利用两幅不同频率的测量位相图估计误差系数,并补偿其影响。实际测量结果表明:上述自校正方法,在无需标定数据条件下,可以有效地解决投影机非线性误差问题,有助于提高条纹投射技术的测量精度。

果园移动机器人激光雷达双源信息融合实时导航方法

为提高林果园移动机器人导航系统的精确性与鲁棒性,提出一种基于激光雷达三维点云的果园行间高低频双源信息融合实时导航方法。首先,喷雾机器人搭载三维激光雷达采集两侧果树点云信息,对原始点云数据进行直通滤波、降采样和统计滤波等预处理,保留感兴趣区域内果树冠层点云;然后,将分别基于高频更新的牛顿插值算法和低频更新的非线性支持向量机(Non-linear support vector machine,NSVM)算法拟合的行间导航线进行互补融合;最后,在导航线切换时,对融合后导航线的稳定性进行优化,并使用三次B样条算法使导航线平滑。实验结果表明:融合优化后的导航线最大曲率为0.048 m^(-1),平均曲率为0.018 m^(-1);分别以0.5 m/s和1.0 m/s的行驶速度对融合优化后的导航线进行跟踪,绝对横向偏差最大值分别为0.104 m和0.130 m,平均值分别为0.053 m和0.049 m,说明该导航方法能够满足作业装备在果园行间自主导航作业的需求,为喷雾机器人在果园环境中的自主导航提供技术参考。

基于Hamilton理论的广域非线性时滞多机电力系统的稳定与控制

针对非线性时滞多机电力系统,将局域信号与远程信号都纳入控制器设计中,根据全局条件下信号时滞的差异性,建立广域时滞非线性多机电力系统的端口可控Hamilton(PCH)模型。该模型以汽门开度为控制量,考虑了扰动给系统带来的影响。以此模型为基础,针对某个形式的H函数给出了含有该H函数作为部分能量函数的Lyapunov泛函及一系列相应的稳定条件。通过"能量整形"技术,将一般电力系统的PCH模型转化为具有特定形式H函数的PCH模型,并应用给出的稳定条件设计相应的全状态反馈控制。最后以3机9节点系统为例,以时域仿真的结果验证了扰动下非线性时滞控制器的有效性。

基于线性支持向量机的指纹图像分割方法

针对现有指纹分割方法存在的不足,提出了一种基于线性支持向量机的指纹图像分割方法。该方法首先选择指纹图像子块的傅里叶频谱能量比和灰度对比度构成特征向量,利用线性支持向量机对这些特征向量进行分类,再运用二值图像形态学操作最终实现指纹图像分割。实验结果表明,与现有的一些典型方法相比,该方法对于指纹图像分割更为准确、可靠。

三值线性时序机(TLSM)及其在三值序列滤波器与发生器中的应用

本文提出了三值线性时序机(TLSM)模型.并提出了基于文献[4]的三值D型触发器的三值序列滤波器与三值序列发生器的设计,讨论了三值序列发生器在保密通信中的应用.

基于线性支持向量机的文本分类应用研究

目前基于机器学习的文本分类方法得到了广泛应用,线性支持向量机是处理高维稀疏数据的有效机器学习方法之一。本文利用公共文本数据集进行了分类实验,对线性支持向量机与传统支持向量机在文本分类时的训练时间和分类准确率进行了对比分析,结果表明线性支持向量机具有更快的训练速度和更好的泛化能力。

基于非线性支持向量机的公交车自燃检测研究

针对近年来公交车自燃事故频发、实时火灾检测困难的问题,引入非线性支持向量机判别公交车自燃的方法,建立了公交车自燃仿真模型,并通过仿真数据对非线性支持向量机进行了训练和验证。验证表明:当公交车发动机舱室内有自燃情况发生时,该方法能够迅速、准确地进行识别,对自燃初始阶段具有良好的辨别能力。

新型称重包装设备——双头线性称量机概述

本文对线性称量机这一称重产品做了基本介绍,以图文结合的形式着重阐述了产品的工作原理、系统组成及特点。

基于非线性支持向量机的原核生物基因识别

应用非线性最小二乘支持向量机对原核生物进行基因识别，通过寻找序列开放阅读框（ORF），并与可靠基因位点文件进行比较产生训练样本集，然后提取样本GC含量和Z曲线特征，并利用T检验方法检验各特征值所包含的信息量，设计出了非线性最小二乘支持向量机分类器识别基因。结果表明非线性最小二乘支持向量机的识别率比Fisher判别和线性支持向量机在不同的特征组合下分别提高了7．09％-29．97％和10．97％-25．45％，并且在特征值信息量较小的情况下非线性最小二乘支持向量机更能表现其优越性。

基于ERF和BO-SVC的交流接触器触头故障识别方法

针对交流接触器各状态样本不均衡导致故障状态识别精度低和特征冗余度高的问题,文中提出一种基于嵌入式随机森林(embedded random forest,ERF)和贝叶斯优化非线性支持向量机(Bayesian optimization-support vector classification,BO-SVC)的复合识别方法。首先,通过交流接触器全寿命试验平台提取接触器状态特征,并针对各状态样本间不均衡导致识别精度低现象,提出一种基于权重法的样本均衡处理策略。然后,使用ERF对均衡后样本进行特征选择和降维,提取最能表征触头状态变化规律的最优特征。最后,将最优特征输入到BO-SVC识别模型,与另外2种代表性模型作为对比,以精确率、召回率和F1-分数3个指标对各模型性能进行评估。在3个指标上,文中方法的结果分别达到95.22%、98.91%和97.01%,均高于对比模型。以F1-分数为指标,在4组样本上对各模型性能进行测试,结果表明文中方法的F1-分数平均高出对比模型0.56%和27.28%,验证文中研究有效解决了交流接触器特征冗余和故障识别精度低的问题。

低阶数据映射和特征加权的线性SVM

针对传统线性支持向量机在训练数据集时均等对待每一维输入特征,以及在原始空间直接分类造成预测准确率低的问题,提出低阶多项式数据映射和特征加权相结合的方法,来提高线性支持向量机的分类性能。该方法首先将每个样本映射到多项式核对应的2-阶显式特征空间,从而增加样本的隐性信息,然后使用模糊熵特征加权算法计算每一维特征的权重,通过权重衡量特征对分类结果的贡献大小。从不同数据库选取7个数据集进行测试,在训练时间和预测准确率2个方面将该方法与核支持向量机、线性支持向量机的其他改进算法进行比较。结果显示,随着数据集规模的扩大,训练时间降低一个数量级,预测准确率在一些数据集上取得与核支持向量机相接近的效果。结果表明:所提方法可以有效提高线性支持向量机的整体性能。

基于观测器的多机系统气门开度的模糊H_∞控制新方法

研究了汽轮发电机组成的多机电力系统气门开度的模糊观测H∞控制器设计问题.首先对多机电力系统建立T-S模糊模型,由于实际电力系统的状态有时不能作为模糊规则的前件变量,基于观测状态给出了多机电力系统具有H∞性能指标的条件,但它不是基于线性矩阵不等式(LMIs)的,只能通过两步法求解.因此又提出仅需一步就能求解的基于LMIs的条件,克服了两步法求解带来的保守性.最后采用局部线性化方法对两机无穷大母线的气门开度控制系统建立T-S模糊模型,并验证了控制方法的有效性.

求解线性SVM的非精确步长搜索割平面方法

割平面方法可高效求解线性支持向量机问题,其主要思路是通过不断添加割平面并利用精确线性搜索实现算法的加速和优化.针对其中的非光滑线性搜索问题,文中提出一种基于非精确步长搜索的加速割平面方法.该方法使用较少的迭代次数就能确定最优步长所在的子区间.在此基础上,用二点二次插值的闭式解逼近最优步长,从而较精确线性搜索方法速度更快、开销更小,且保持同样的收敛边界.大量实验表明,文中方法效率优于基于精确线性搜索的优化割平面方法,在一些数据库上的收敛速度甚至提升50%.