基于核主元分析和邻近支持向量机的汽轮机凝汽器过程监控和故障诊断

提出了基于核主元分析(KPCA)和邻近支持向量机(PSVM)的汽轮机凝汽器过程监控和故障诊断新方法,将数据先用核主元法进行分析和处理,即通过非线性变换将样本数据从输入空间映射到高维特征空间,然后在高维特征空间中进行特征提取,若数据的Hotelling’sT2和Q统计量超过控制限,说明有故障发生,则计算样本的非线性主元得分向量,并将其作为输入值送入已训练好的邻近支持向量机进行故障类型识别。该方法可以有效地捕捉变量间的非线性关系,过程监控和故障诊断效果明显好于PCA-PSVM法。汽轮机历史故障特征数据集仿真试验证明了该方法的有效性。

基于小波去噪核主元分析和邻近支持向量机的性能监控和故障诊断

针对化工过程数据中包含噪声和强非线性的特点,提出了基于小波去噪核主元分析(De-noised Kernel Principal Component Analysis,DKPCA)和邻近支持向量机(Proximal Support Vector Machine,PSVM)的性能监控和故障诊断新方法.将样本数据用小波方法进行去噪处理,去除数据所包含的噪声,通过KPCA将降噪后的数据进行变换,在特征空间里构建T2和Q统计量来监测是否有故障发生;若发生故障,则计算数据的非线性主元得分向量,并将其作为PSVM的输入值,通过PSVM分类来确定故障的具体类型.流化催化裂化装置(FCCU)仿真试验验证了小波去噪的必要性和利用DKPCA-PSVM进行监控和故障诊断的有效性.

模拟电路故障诊断的邻近支持向量机集成方法

提出了基于非对称AdaBoost算法与邻近支持向量机的模拟电路集成故障诊断方法。该方法采用非对称AdaBoost解决邻近支持向量机处理多分类问题出现的数据不平衡问题,提高邻近支持向量机的分类准确率;利用高斯变异策略自适应选择核函数及正则化因子,提高集成邻近支持向量机的个体间差异性;最后获得分类精度高和泛化性能好的分类器。通过对模拟电路的故障诊断实验,验证了该方法的鲁棒性和可行性。诊断结果表明本文方法具有故障定位准确和泛化性好的特点。

优化的邻近支持向量机在图像检索中的应用

邻近支持向量机由支持向量机衍生而来，它将支持向量机中二次规划问题的求解转换为线性方程组的求解，从而能在保证一定精度的情况下更加快速地得到分类器。传统的非线性核邻近支持向量机不能很好地解决多范围数据的多分类问题。提出了一种邻近支持向量机的优化方法，并将其应用到图像检索中。它利用高斯函数将图像特征数据映射到0-1之间以提高其差异化水平，并将其放入非线性核中，然后以加权K-means聚类算法选择最优参数，从而提高了非线性核PSVM的分类能力。实验以coral图像库中的4类图片作为图片库，对比了优化前后的检索命中率。实验结果表明：优化后的检索效果优于优化前，说明将优化的邻近支持向量机应用于图像检索是有效的。

竞争聚类的邻近支持向量机软测量研究应用

提出了一种基于竞争学习聚类的邻近支持向量机的软测量方法。本文用数据点的密度来近似衡量数据点相对于类中心的位置,从而改进了竞争学习聚类算法的权值调整方法。采用改进的竞争学习聚类算法将训练样本聚集到不同的中心,采用邻近支持向量机对每一类进行训练建立子模型,利用样本方差进行计算邻近支持向量机的惩罚因子,并计算新增样本数据和所有类的相似度,对被检索出的相似子模型参数加权,计算预测结果,用新增加的样本更新训练数据及其聚类中心。将所提出的方法用于氧化铝拜尔溶出过程关键化验量的软测量,解决了模型失效问题,实验表明:该方法有效地增强了软测量模型适应工况变化的能力,提高了预测精度。

邻近支持向量机的阵列波束优化

针对标准支持向量回归波束形成器的计算复杂度高、内存开销大、训练速度慢的缺点,提出了邻近支持向量机(Proximal Support Vector Machine,PSVM)波束优化方法。PSVM打破了通过对偶问题求解原问题的传统思维,将支持向量回归的约束条件等式化,直接对原问题进行分析与求解,给出了基于PSVM波束形成器的优化模型及具体实现过程,并进行了数值仿真实验。研究结果表明,在保持波束形成器性能基本不变的情况下,降低了计算复杂度,减少了内存开销,提高了训练速度。与传统的支持向量回归波束形成相比,具有良好的快速性,为波束形成器的优化设计提供了一种新的有效方法。

基于模糊邻近支持向量机的伴随保障携行器材决策研究

论文利用模糊邻近支持向量机的分类决策方法,对当前伴随保障携行器材种类的问题进行了全面分析。在科学选取决策影响因素的基础上,结合伴随保障工作实例得到了准确率较高的决策方案,有助于准确高效地确定携带器材的种类,增强决策的科学性与准确性,进一步提升伴随保障水平。

基于支持向量机的大学生考研预测

目前国内对大学生考研的定性研究居多,很少运用定量的方法建立分析预测模型.本文在参考其它预测体系的基础上,提出了大学生考研预测指标体系.并用三种支持向量机技术对该问题进行了预测,通过具体实例分析获得了较高的预测准确率,得到了不同核下针对该问题的最优预测模型.

面向数据挖掘的图像检索教学演示系统设计

以往的数据挖掘教学没有把理论知识和工程项目联系起来,抽象的算法理论知识消减了学生的学习兴趣,导致大部分学生无法运用数据挖掘工具解决实际决策问题。文章以数据挖掘中的邻近支持向量机算法为例,开发了图像检索教学演示系统,分析了系统各模块的功能、工作流程和技术流程,介绍了系统的数据仓库管理模块、数据预处理模块和核心算法模块,给出了应用实例。该教学演示系统有助于学生对所学算法知识的深入理解、记忆和巩固。

基于多特征融合及PSVM的车辆检测研究

针对传统单目视觉车辆检测系统准确度及实时性方面研究的不足,提出一种融合多特征的单目视觉车辆检测方法。在车辆假设阶段,结合车辆底部阴影、水平边缘、竖直边缘等多特征融合来产生车辆感兴趣区域,从而产生车辆假设目标;在车辆确认阶段,通过垂直梯度直方图来提取车辆竖直边缘特征,运用于最邻近支持向量机训练器的训练。最后,通过训练好的最邻近支持向量机训练器来对车辆假设进行进一步的确认,从而排除虚假目标。实验结果表明,上述车辆在车辆检测时准确度很高且实时性较好。