基于C-SVC模型的汽车评估

主要从UCI数据源中提取数据,从数据中提取影响汽车是否值得购买的7个训练属性,分别是安全性、价格、维修费、车门数、可容纳人数、后备箱大小,及可接受程度。根据属性建立标签项,同时利用C-SVC模型,建立C-SVC的汽车评估系统对汽车进行评估。

基于C-SVC模型的土石坝裂缝震害评价系统

系统介绍C-SVC模型,将之运用于土石坝裂缝震害评价。采用层次分析法得到影响土石坝裂缝震害的六个训练属性:坝型、坝高、库容、施工质量、地震烈度、震中距,及训练标签:坝体裂缝,对训练属性和训练标签进行从定性到定量的赋值,建立了C-SVC的土石坝裂缝震害评价系统。选取汶川地震中100座水库土石坝的震害数据作为训练集,根据不同归一化方式下的预测分类准确率选择归一化预处理方式,采用K-fold交叉验证选取最佳核函数,结果表明:[-1,1]归一化预处理和多项式核函数适用于土石坝裂缝震害的预测。以绵阳市28座水库土石坝震害为实例,对水库土石坝进行裂缝震害评价,其中25座的震害评价结果与实际一致,这表明所建立的土石坝裂缝震害评价系统可以为除险加固的先后顺序提供参考意见。

基于改进C-SVC的工控网络安全态势感知

工控网络攻击类型多样、强度不一,在这种情况下,传统检测技术无法对多种类型的攻击进行有效识别,也无法给出全面准确的工控网络安全态势.为此,提出工控网络安全态势感知模型:首先采取改进的C-SVC算法对多源数据进行规则提取;然后利用决策融合算法进行决策层融合,获取最终态势感知结果.实验结果表明:所提出的模型和算法能够有效地识别多类型攻击,准确判断出系统遭受到的攻击,并形成态势感知结果.

基于支持向量机和交叉验证的变压器故障诊断

为及时监测变压器潜伏性故障和准确诊断故障,提出基于优化惩罚因子C参数的支持向量机算法(C-SVC:C-support vector classification)和交叉验证算法相结合的变压器故障诊断方法。该方法利用变压器在故障时产生的氢气、甲烷、乙烷、乙烯、乙炔的体积分数数据建立训练集和测试集。在训练集中,该方法能自动优化出(寻找最佳)支持向量机的核函数的参数γ和惩罚因子C,利用优化的参数对训练集进行训练,可得到最佳的支持向量机模型,并用该模型对测试集进行分类,从而诊断出变压器的故障类型。变压器故障诊断实例分析结果证明,该方法可行,有效,且具有较高的故障诊断准确率。

微电网系统中多种逆变器的并联组网控制策略

采用氢燃料蓄电池单体的串并联组成的电池模块作为储能系统中的主要储能装置,多种逆变器连接在同一条公共线上.在微电网处于孤岛运行模式时,考虑到储能单元的逆变器间环流的存在、不同设备控制器的不同工作特性、低通滤波器存在的影响,提出新的下垂控制理论.利用逆变器模拟同步发电机的频率调节特性,保证负荷发生变化时微电网频率的稳定性;利用静止无功补偿器SVC补偿系统无功,以保障系统电压的稳定,进而实现多种逆变器的组网运行.利用PSCAD仿真软件进行仿真,验证对所建立的模型采取的一系列控制策略的有效性和正确性.

基于星载激光雷达数据和支持向量分类机方法的森林类型识别

以长白山汪清林区为例,分析了星载激光雷达(ICESat-GLAS)数据在森林类型识别上的应用效果。采用软件Matlab和IDL对原始二进制数据进行处理,得到GLAS回波波形图;进一步提取与森林类型相关的波形特征参数,作为支持向量分类机(C-SVC)的输入量,进行森林类型识别,并采用K-折交叉验证方法对核函数选择进行评价。结果表明:C-SVC分类方法能够识别阔叶林和针叶林2种森林类型,识别精度达到85.24%。

交流电弧炉SVC装置2次滤波支路设计校核新方法

交流电弧炉不仅属于典型的谐波污染源、闪变发生源,而且交流电弧炉冶炼过程在2次附近产生较大的间谐波分量。基于某实际钢铁公司交流电弧炉谐波发生量和SVC装置参数的定量分析及仿真研究,得到交流电弧炉必须设置2次C型滤波器,保证将电弧炉2次左右的谐波和间谐波放大控制在一定范围内的研究结论。在此基础上给出2次滤波支路的设计方法,提出了2次滤波支路安全校核新方法,指导交流电弧炉滤波装置工程设计。

一种基于AFSA的SVM分类方法(英文)

应用一种全局搜索方法即人工鱼群算法(artificial fish swarm algorithm,AFSA)来优化支持向量基(support vector machines,SVM)的参数,并应用于图像分类。基于分类,初始化惩罚系数C和核函数参数δ2的范围;利用AF-SA来优化SVM的参数,并得到合适的值;最后,把参数优化后的SVM应用于分类。实验结果表明,与C-SVC和交叉验证法相比,其分类结果优于其它两种方法,因此AFSA-SVM方法有更好的准确性和鲁棒性。

连动句式汉英差异在高考中的考察研究

连动句式在汉英语言中的不同表现形式是两种语言的差异表现之一,因此高考中对其考察颇多,而中国学生在英语学习中因母语的负迁移而常犯错误,原因在于高中教学未能清晰地将这一差异予以呈现,学生对这一差异不熟悉,对克服这一差异的手段更是陌生。因此,将连动式的汉英差异和消除这两种差异的手段予以清晰地展现,同时结合这一差异在高考中的考察分析对于高中汉英差异教学和提高高中生英语水平就显得尤为重要。

基于SVM的客车车型分类

通过支持向量机(SVM)对客车车型的长,宽,高,宽长比等7个特征进行特征选择,得到的准确率最高的子集是长、宽、高、宽长比、宽高比,以它作为样本特征进行分类.对客车的4类车型进行分类,每类车型选择80个样本,50个样本进行训练,30个样本进行预测,结果表明:对1类车型的分类准确率可达到100%,对2类和4类车型可达到96%以上,对3类车可达到93%以上.得到了比选用长、宽、高作为特征进行分类更优的结果.然后运用加入参数寻优的SVM对客车的4类车型进行分类,并加以比较.基于高斯函数的特性,两次用到SVM进行机器学习时,核函数均选用RBF核函数.