辨识分类中的补充样本容量优化方法

在对系统输出进行辨识分类建模时,当实际试验样本量不足时,工程上通常考虑利用各种信息源合理增加补充试验样本,而合理确定补充样本容量,避免过多的样本"淹没"实际系统信息,是补充样本需要考虑的关键因素之一。为此,从信息相等的角度分析补充试验样本的合理性和有效性,并在此基础上提出了基于后验分布鉴别信息的补充试验样本容量的优化原则及计算方法,最后通过试验证实,优化原则得到的补充样本能够有效提高辨识分类识别率。

引起牛流涎性疾病的分类辨识诊断

本文就引起牛流涎性疾病进行临床上的分类辨识诊断,从其病毒性疾病、细菌性疾病、中毒性疾病、其他疾病等进行分述,以便于大家做出正常的诊断,供养殖户参考。

计及燃弧频次的配电网单相接地故障分类与辨识

尽管采用小电流接地方式的配电网发生单相接地故障时短路电流较小,但若故障发生后燃弧现象长时间存在,将会显著增加火灾发生风险。为减小火灾隐患,已有多数研究从燃弧现象发生与否角度对故障进行辨识,但并未计及燃弧频次的影响。为此,针对某地配电网实际单相接地故障案例,通过系统分析不同故障场景下零序电流变化特性与燃弧之间的关联规律,从火灾隐患程度角度提出了计及燃弧频次的单相接地故障分类方法;进一步挖掘出不同种类故障发生后零序电流波形分别呈现“平肩畸变”、“瞬态值”等特征,并利用不同频带能量占比、谐波重心和燃弧周期数对波形畸变特征进行了数学描述;以前述数学特征量作为输入,研究建立了基于长短期记忆(long short-term memory, LSTM)网络的故障种类辨识模型,经某电力公司现场收集的223组现场典型故障案例验证,模型识别准确率达96.4%,可有效识别燃弧故障种类,对于减小森林火灾隐患、节约配电网运维成本意义重大。

基于味觉传感器阵列的玉米汁饮料分类辨识

为了快速辨识不同口味的玉米汁饮料,确保同一种饮料质量的均一性,构建了包含12个传感器的味觉传感器阵列。使用代表酸、甜、苦、咸、鲜的呈味物质检测味觉传感器阵列对5种基本味觉辨识的能力。使用主成分分析和概率神经网络考察了该阵列对基本味觉的辨识效果,该阵列对基本味觉表现出良好的辨识能力。将该阵列应用于玉米汁饮料的分类辨识中,区分来自不同品牌的9种玉米汁。系统聚类分析表明了同一种玉米汁样本的味觉特征非常接近,可聚合为一类。通过主成分分析法实现数据降维,提取前3个主成分作为概率神经网络的输入神经元。试验结果表明:该味觉传感器阵列对不同种玉米汁饮料具有较好的辨识能力,辨识的正确率为95.06%。

基于S变换和分类树的电网暂态电能质量扰动分类辨识

针对暂态电能质量的检测分析,分别在强弱两种噪声背景下运用S变换的不同方法对暂态多扰动信号进行定位检测。对于暂态多扰动的分类辨识,运用了基于S变换和分类树相结合的暂态电能质量多扰动分类辨识方法,首先运用S变换对暂态多扰动信号进行时频分析,然后提取扰动信号的特征量,最后生成用于对暂态多扰动信号进行分类的决策树分类辨识方法,以此来实现对暂态多扰动信号的分类辨识。仿真计算结果表明,该方法对暂态多扰动信号能够进行有效的分类辨识,准确度高且抗噪能力强。

一种改进的FLS-SVM分类辨识模型及其应用

采用三角形函数隶属度法确定模糊最小二乘支持向量机(fuzzy least squares support vector machine,FLS-SVM)输入参数隶属度,采用自适应变尺度混沌免疫算法优化FLS-SVM的参数,从而构建改进模糊最小二乘支持向量机(improved fuzzy least squares support vector machines,IFLS-SVM)分类辨识模型,用Ripley数据集、MONK数据集和PIMA数据集进行仿真实验,并用于地下金属矿山采场信号分类辨识与中国国际贸易安全分类辨识。研究结果表明:与LS-SVM分类辨识模型和FLS-SVM分类辨识模型相比,IFLS-SVM分类辨识模型能有效提高带噪声点和异常点数据集的分类精度,且分类辨识精度相对误差较小。

中小型冲床安全操作智能分类辨识与保护装置研究

为提高中小型冲床安全操作能力,采用模糊BP神经网络建立中小型冲床安全操作智能分类辨识模型与保护装置,并用Iris数据库进行了仿真实验和对红外测温信号进行了分类识别。结果表明,中小型冲床安全操作智能分类辨识模型的分类精度高,可实现对中小型冲床冲压过程人手和物料的较准确诊断。

基于Hilbert变换和分类树的电能质量扰动分类辨识

提出了一种基于Hilbert变换和分类树相结合的暂态扰动分类方法。首先运用Hilbert变换对暂态扰动信号进行时域分析,然后提取扰动信号的特征量,最后生成用于对暂态扰动信号进行分类的决策树分类辨识方法,以此来实现暂态扰动信号的分类辨识。仿真计算结果表明,该方法能够对暂态扰动信号进行有效的分类辨识,分类树简单、易于实现且准确度高。

基于支持向量机的分类辨识方法及应用

针对钢铁企业传统高压线路行波检测器易出现误报警的问题,提出了采用支持向量机(SVM)的分类辨识方法,用于故障信号和扰动信号的辨识。首先,从行波法定位装置数据库中提取报警时的信号特征,构造支持向量的输入向量,建立基于数据驱动的支持向量机模型;然后采用仿真策略确定支持向量机径向基函数中的参数σ和惩罚系C的值,并分析了参数σ及惩罚系数C的值对故障和扰动分类准确率的影响。将所提出的方法应用到莱钢高压线路行波检测器中,结果表明:采用支持向量机的分类辨识方法,可以使行波检测器检测的准确率接近90%,大大提高了莱钢高压线路行波检测器故障检测的可靠性。

基于激光传感器采集信号的机电设备故障辨识研究

机电设备运行环境复杂,当前方法无法高精度获得机电设备故障辨识结果,而且机电设备故障辨识时间长,实时性差,为了获得更加理想的机电设备故障辨识结果,设计了基于激光传感器采集信号的机电设备故障辨识方法。首先采用激光度传感器采集机电设备工作状态信号,并对机电设备工作状态信号进行预处理,提取机电设备故障辨识的相关特征,然后将特征作为机器学习算法的输入,机电设备故障类型作为机器学习算法的输出,通过训练建立机电设备故障辨识的分类器,最后通过具体的仿真实验分析机电设备故障辨识性能。结果表明,本方法可以辨识机电设备故障,辨识精度超过95%,机电设备辨识的时间均控制在5 s以内,辨识整体效果要优于当前典型机电设备故障辨识方法。

引起牛血样粪便疾病分类辨识诊治

牛血样粪便疾病是以出血性下痢为主要特征,临床中主要以血样血丝样、黑褐色、黑色、橘红色、紫红色、紫黑色等粪便,或稀或稠等为主要症状的疾病,本文对引起牛血样粪便疾病进行分类辨识诊断并列举防治措施,供养殖户参考。

引起牛呼吸道症状疾病的分类辨识诊治

引起牛呼吸道症状的疾病在牛的养殖中经常发生,其病因十分复杂,本文就能引起牛呼吸道症状的常见疾病进行叙述归类分析,采取相应的防治措施,供养殖户参考。

鸡呼吸系统疾病的分类辨识诊治

本文就鸡呼吸系统疾病进行分类诊断与防治,为养殖户辨识诊治时提供参考。

引起牛猝死综合征的疾病分类辨识诊治

牛猝死综合征指牛无先驱征兆,突然发病,口吐白沫、流涎,鼻孔出血,肌肉震颤、抽搐、痉挛,四肢乱划、转圈、狂躁不安,迅速跌倒,很快死亡的病状,本文就引起牛猝死综合征的疾病分类辨识诊治进行叙述,供养殖户参考。

牛除草剂中毒疾病的分类辨识诊治

牛除草剂中毒是由于皮肤接触或误食农用除草剂或除草剂喷洒污染的青料引起的中毒性疾病。随着当前除草剂在农业工作中的广泛应用,由于规范、环保、安全使用除草剂的意识不强,使得牛接触或误服到除草剂而引起的中毒事件时有发生,本文就牛除草剂类中毒疾病从中毒机理、临床症状、剖检症状、综合防治等方面进行分类辨识,供养殖户参考。

损容性痤疮分类辨识与临床治疗

目的解决皮肤科论著缺少对损容性痤疮的分类辨识与临床治疗方案.方法以临床收集案例和最终治疗数据做样本,对比不同辨识结果下的治疗方案.结果采用新分类治疗样本下的患者效果更显著,满意度更高.结论(1)不同阶段的痤疮形态不同,根据分类对应的临床方案可让患者免于过度治疗.(2)分阶段治疗可让患者避免皮肤感染.

玉米汁辨识中的传感器阵列优化

针对玉米汁饮料品质评价自动化关键技术问题,对用于玉米汁饮料分类辨识的传感器阵列进行了筛选优化。采用因子分析对各传感器响应信号之间的内在关联进行了研究,依据相关系数和旋转后的因子含义将传感器分为6类,并组合成12组不同的传感器阵列。利用概率神经网络判定界面可以任意复杂的特点,选择平滑参数为0.01时构建的判定界面表征出不同组传感器阵列所得数据对分类结果的影响差异。选择S4,S2,P2,P3,S6,S7传感器组合,构建新的传感器阵列,并对7种玉米汁饮料进行辨识。优化后的传感器阵列对玉米汁饮料的分类准确率为98.016%,高于未经优化的传感器阵列的分类准确率(94.444%)。

基于SPSO-WK-TWSVM的复合材料层合板损伤辨识方法

针对复合材料层合板的基体裂纹损伤与脱层损伤的不易区分辨识的问题,采用Lamb波对层合板进行损伤检测,对接收到的传感信号进行特征提取与筛选,创新性地引入加权核双子支持向量基(weighted kernels-twin support vector machine,WK-TWSVM)的机器学习方法对基体裂纹与脱层损伤进行自动分类识别。为了进一步提高损伤辨识精度,采用简化粒子群优化(simple particle swarm optimization,SPSO)算法对WK-TWSVM的核函数权值及模型参数进行了寻优处理,并与其他粒子群优化算法就行了分析比较。试验分析结果表明,基于Lamb波的SPSO-WK-TWSVM复合材料层合板损伤辨识方法能够对复合材料层合板基体裂纹与脱层损伤进行准确的自动识别,识别精度明显高于其他TWSVM优化算法及传统的机器学习方法。

火炮靶场试验中危险源辨识与安全防护

火炮靶场试验属于高危险作业,结合火炮靶场试验的特点和试验流程,根据2类危险源理论,对火炮靶场试验中危险源进行逐项分类辨识,应用轨迹交叉论预防火炮靶场试验中的事故,提出了火炮靶场试验中安全防护措施。

K-means改进算法在电力用户聚类辨识中的应用

科学、准确的用户用电特征分析对掌握负荷发展变化规律,提高电力需求预测的准确性,保障系统规划和经济运行具有重要意义。文中在对K-means算法深入研究的基础上,结合电力负荷数据海量、多维等特点,通过归一化处理,异常数据剔除,改进的二分K-means算法进行自聚类,对各优化算法进行分析,克服了传统K-means算法对异常数据敏感和初始聚类中心的随机性问题。实验结果表明,优化的自聚类算法能够提高分类的准确性,提高收敛效率,实现用户数据特征自动辨识分类。