基于改进的Askey-Wilson多项式核函数

基于Askey-Wilson多项式的性质,给出了两种Askey-Wilson多项式形式,分别与Rbf核函数和三角核函数进行组合,构造混合支持向量机AW核函数。所构造的AW核函数都含有一个重要核参数q,可通过改变q值来调整核函数。实验选取双螺线及6个UCI数据集,比较AW核函数在数据集上的泛化性能和鲁棒性。

数字孪生下的液压缸机械运行位置自动控制

液压缸机械系统非线性特征复杂,机械运行行为特征不明确,位置控制结果存在偏差,对此,该文提出数字孪生下的液压缸机械运行位置自动控制方法。连续检测液压缸机械系统运行状态,构建非线性状态方程,对比实际测量数据与输出数据的差异,选取RBF核函数与支持向量机,机械运行位置变化量,描述机械运行行为特征,建立位置控制目标函数,将最高适应度值对应的位置点自动更新为副本位置点,引入猫群算法求解目标函数,对位置控制目标函数的全局最优解展开更新,实现液压缸机械运行位置自动控制。实验结果表明,所提方法应用后,位移检测曲线与实际位移曲线之间的偏差较小,且在恒负载工况下和变负载工况下,位移稳态误差均较小,说明其机械运行位置自动控制结果精度高、控制效率高、控制精度高。

基于神经网络的地铁列车速度传感器自动化诊断

基于列车运行稳定可靠的需求,提高传感器数据检测的准确性以及及时性的目的,采用以径向神经网络为基础依据,进行双通道传感器数据检测的自动化故障诊断方法,构建地铁列车速度传感器自动化诊断系统。以传感器的工作原理为依据设置两组检测通道,其中一组作为备用通道进行信号检测。同时结合径向神经网络构建速度传感器自动诊断系统,经过精确度阈值以及相角对传感器故障进行诊断。通过实际的验证试验可知,传感器自动化诊断系统能够保证较高的精确度,可对地铁列车速度传感器的工作状态进行及时有效的判断。

基于插值组合核的LS-SVR板形预测方法

基于RBF核的LS-SVR模型,采用实验变差函数计算插值算法权值,对权系数与各训练样本内积值相乘所反映样本空间结构和相互间关联度的插值核函数进行构造,提出了一种通过Kriging空间散乱插值方法利用样本数据构造出的插值核函数与RBF核函数进行组合而成的核方法。结果表明,该方法使LS-SVR板形预测有更好的性能,在提升预测算法泛化能力的同时,实现了对板形的精准回归预测。

RBF支持向量机用于多类混叠的人脸识别研究

RBF支持向量机以其稳定性和识别率高的优势被广泛地应用于模式识别和故障检测。与其他文献不同,RBF支持向量机被应用于多类混叠的人脸识别。一方面考察经过多类混叠后,以RBF为核函数的支持向量机的性能有无退化,另一方面使其更具实用价值。经过实验验证,与RBF支持向量机用于单一类别相比,多类混叠的样本在性能上的确稍有退化,但是仍旧保持了很高的识别率,验证了该方法的有效性和实用性。

基于聚类核的核极速学习机

传统的神经网络学习算法(如BP算法)需要调整大量的网络参数,例如输入权值以及隐层单元的偏置,而极速学习机只需要设置网络的隐层节点个数,在算法执行过程中不需要调整网络的输入权值,便可以产生唯一的最优解,因此它具有学习速度快且泛化性能好的优点.随着极速学习机的研究发展,核极速学习机的相关理论被提出.核极速学习机是将核函数引入到极速学习机中,可以得到最小二乘解,具有更稳定的泛化性能.本文在核极速学习机的基础上提出了一种基于Bagged聚类核的核极速学习机的分类方法,首先对已有的标记样本和所有的无标记样本采用多次k均值聚类,去构造Bagged聚类核,然后对Bagged聚类核和径向基核进行求和,最终用于核极速学习机的训练中.与传统核极速学习机相比,本文提出的方法可以使用所有的无标记样本,从而尽可能地提高分类的准确率.最后本文通过实验验证了方法的可行性.

基于1-分类支持向量机的机器视觉缺陷分类方法

文章针对机器视觉表面缺陷检测中不同类缺陷样本数量少和不均衡的情况,提出了用1-分类分别对单独类缺陷进行真/假分类判断的分类方法,首先对每类训练样本计算具有尺度和旋转不变的不变矩特征,再使用基于1-分类的支持向量机和RBF核函数对每一类缺陷样本生成一个超球面,然后通过二重网格搜索的方法对核函数的参数寻优,最后对实际采集的缺陷图像自动寻找缺陷位置并进行分类。实验表明,1-分类支持向量机进行缺陷分类能克服分类样本不均衡的限制,具有分类准确率高及易实现在线检测等优点。

导数平方和准则与SVM参数优化

支持向量机(SVM)的性能与SVM参数的选择有关。SVM参数的优化需要一个准则。针对核函数选择RBF形式的情况,提出了一个新的SVM参数优化的准则,称作导数平方和准则。与著名的SVM参数优化方法如交叉验证或Radius/Margin Bound准则方法相比,利用提出的参数优化准则得到的分类面能够在原空间对样本集"平分秋色",体现了SVM分类器的结构风险最小化的原则,而且算法简单、计算量小、更易于实现。

SVR算法在指数预测中的应用研究

本文阐述了回归型支持向量机(SVR)的基本结构及训练方法,并在此基础上研究了基于SVR算法的股票指数预测方法。通过应用LS-SVM软件,选用RBF核函数,利用自学模型,对超参数不断进行优化,以加快运算速度,并最终建立了该算法应用于股市预测的模型。通过股票指数的建模与仿真结果表明,支持向量回归机在股票价格的中短期预测以及整体股票趋势预测有比较好的效果。

一种改进的支持向量机参数优化方法

为了保证支持向量机在提高核参数寻优效率的同时,拥有较高的学习精度,深入研究了核参数对支持向量机分类的影响,分析了网格搜索法和双线性搜索法的优缺点,并以此为基础提出了一种改进的参数优化方法。实验结果表明,该算法在保证支持向量机获得较高学习精度的同时能大大缩短参数寻优的时间,证明了该算法的优越性。

支持向量机在航空结构声激励应力分析中的应用

支持向量机是一种新的机器学习方法。它以统计学习理论为基础,从结构风险最小化原则出发,具有很好的泛化及推广能力。通过采用支持向量机对飞机襟翼结构在声激励试验中获得的总应力、总加速度及总声压数据进行分类,分别获得结构响应间的线性关系和非线性关系的样本点以及线性与非线性界限。最后利用多元线性回归模型分别建立线性关系和非线性关系的仿真模型。研究表明,支持向量机在模式分类中具有良好的分类性能,在解决航空结构声疲劳问题中有较好的工程应用前景。

基于多尺度超像素的高光谱图像分类研究

随着遥感技术的快速发展,高光谱遥感影像的分类方法研究受到普遍关注。现有高光谱遥感影像分类研究采用单一尺度下的超像素方法进行图像分割处理,无法确定最佳超像素个数,较易忽视图像细节信息,且单一核矩阵无法表征多特征信息导致分类精度降低。因此,本研究拟在多尺度下采用超像素分割方法对高光谱影像的第一主成分分量进行多尺度超像素分割处理,通过权值耦合多尺度空间光谱核与原始空间光谱核形成合成核来进行高光谱影像分类,并以Washington DC Mall高光谱影像为实验数据对本文方法进行测试与分析。实验结果显示,相较于对比方法,这一方法的有效分类精度最高提升6.93个百分点。结果证明该方法可以有效解决图像光谱无法自适应、光谱信息获取不全面的问题,能够显著提升高光谱影像分类精度。

基于SVM对隐写分析RS算法的改进

RS分析方法是隐写分析理论中检测LSB隐写的一种典型算法,但其对低密写率的情况下其正确检测率是不理想的。针对这种情况,结合统计学习理论,利用一种基于支持向量机(SVM)来改进RS隐写分析算法,在保留RS特征选取策略的前提下,改用支持向量机(SVM)对选取的特征集进行分类识别。实验结果表明,原始无损存储图像,经改进后的算法比RS隐写分析算法具有更优的性能。

基于Lib-SVM的损益调整类财务报告舞弊识别模型研究——来自中国证券市场的证据

文章以2004—2009年间因调整损益而受到证监会处罚的56份年度财务报告为研究对象,采用Lib-SVM分类算法,将所有样本分为训练样本和测试样本,运用训练样本构建了我国上市公司损益调整类财务报告舞弊的识别模型,运用测试样本检验了模型的预测精度。结果表明,识别效率较高的RBF核函数模型的预测精度达到86.67%,模型的总体正确率为87.5%。

基于蓝牙Mesh-SVM算法的室内定位系统

随着低功耗蓝牙的更新换代(BLFA.2),蓝牙技术在智能家居、智能设备开发中日显突出。本文针对蓝牙信号多径、易衰弱、穿透能力低等缺陷,采用支持向量机(SVM)神经网络算法来实现系统的室内定位,通过RBF径相基函数为核函数(高斯核)可控的将低维线性不可分数据映射到高维模型中,计算超平面并完成数据分类;基于空间的不可瞬变性,采用反馈滤波对验证结果进行筛选,实现精确定位。实验结果中表明算法定位精度达到1m,与传统算法相比有效的提高了效率与精度。

基于PCA降维的多特征级联的行人检测

在行人检测中,针对梯度方向直方图(HOG)冗余信息过多、检测速度慢等不足,提出了运用PCA降维的多特征级联的行人检测。首先利用PCA对HOG特征进行降维,其次将HOG特征和Gabor特征、颜色特征级联作为行人检测的特征,最后使用SVM的径向基(RBF)核函数进行分类。在INRIA行人库上的实验表明,该方法不但提高了分类的速度,而且提高了检测的准确率。

基于PSO-SVR模型的温室病害预警防治系统

为了解决温室植物病害预警、防治不及时的问题,设计了一种基于粒子群优化的支持向量机(PSO-SVR)模型的温室物联网预警系统。系统通过对观测数据进行分析训练,进而建立起植物病害预警模型,根据预测结果,结合易产生黄瓜病害的环境参数范围选择是否向用户发出预警警报,利用温室物联网控制技术实现对植物病害的生态防治。同时系统可以向搭载Android平台的设备发送提醒消息,并可以进行远程监控。该系统利用Wi-Fi技术将传感器系统和嵌入式设备组成星型网络,根据传感器返回的有效环境参数数据,通过PSO-SVR模型对温室温度、湿度参数进行预测,预测准确率分别为97.6%、96.8%,可以用作理论指导。测试结果表明,该系统响应时间短、运行稳定,可有效地监测并预测温室环境参数,对于植物病害的防治有较好的实际作用。

支持向量机分类法在异步电机故障诊断中的应用

近些年来,支持向量机算法开始应用于电机控制和故障诊断,取得了较好的效果。与以往的此类论文不同,笔者对支持向量机核函数进行了深入的理论分析和性能预测,在此基础上,选择了基于径向基核函数(RadialBasisFunction简称RBF)的支持向量机进行电机故障诊断,并对基于RBF的支持向量机核函数进行了特性分析和参数优化,从理论上证明了采用基于径向基核函数的支持向量机在故障诊断中的优势。此外,针对现有的检测方法所能检测的故障种类单一,不能对几种故障同时检测的弊端,采用阈值设定法和样本补偿法,进行了两种以上故障的神经网络分类研究。实验及仿真结果证实了该方法的有效性。

基于支持向量机的非侵入式负荷印记识别模型

基于非侵入式电力负荷检测与分解技术近年来得到广泛推广.选取14个稳态指标作为负荷特征,建立基于支持向量机(SVM)的非侵入式负荷印记识别模型,利用多分类支持向量机(multi-class SVM)的成对分类算法,对负荷印记进行了识别,随机抽取数据进行测试,结果表明方法能够更准确地识别负荷印记,说明所提出的模型和方法具有较高的有效性和正确性.

最小二乘支持向量机应用于西安霸河口水质预测

利用西安霸河10年的水质平均数据作为数据集,建立了基于最小二乘支持向量机的水质预测模型。通过适当的参数选择,其平均相对误差只有4.95%,预测的准确率达到95%。通过实例计算且与误差逆传播(BP)神经网络、RBF神经网络等预测方法进行了对比分析,表明该方法的平均预测精度较传统的神经网络方法提高约4%,且具有收敛速度快、泛化能力强等优点,可有效用于水质预测。