基于AFSA-SVM动态光谱的血液识别研究

血液是一种受管制的特殊遗传生物资源。针对传统血液光谱检测中易氧化变质的问题,采用基于仿生血管的动态共聚焦拉曼荧光光谱,开展了猪、马、鸽、鸡、鸭、鹅等六种家禽家畜的血液物种鉴别研究。原始光谱的预处理过程包括去基线、平滑和归一化等。采用线性判别分析对光谱数据进行降维处理,继而用支持向量机建立识别模型,选用高斯核函数,通过人工鱼群算法优化支持向量机的参数C和γ,使其分类准确率最高,最优的C和γ分别为0.2和0.134。人工鱼群-支持向量机模型识别准确率达到97.2%,基于仿生血管的动态共聚焦拉曼荧光光谱可以满足血液安全高效的检测要求,用人工鱼群算法优化支持向量机参数的算法模型表现出较好的分类效果。

基于优化TQWT及孪生SVM的有载分接开关机械故障诊断

为进一步提高有载分接开关(on-load tap changer,OLTC)机械状态监测的准确性,文中基于优化品质因数可调小波变换(tunable quality wavelet transform,TQWT)对OLTC切换过程中的振动信号进行了分析。即使用人工鱼群算法(artificial fish swarm algorithm,AFSA)基于分解余量与整体正交系数研究了TQWT的优化分解方法,计算得到了OLTC振动信号的多个子序列,构建了基于优化孪生支持向量机(twin support vector machine,TWSVM)的OLTC机械故障诊断模型。对某CM型OLTC正常与典型机械故障下振动信号的分析结果表明,所提优化TQWT分解方法有效提高了OLTC振动信号分解结果的准确性。相对于其他诊断模型,所构建AFSA-TWSVM的OLTC机械故障诊断模型分类效果好且收敛速度更快。

基于改进支持向量机的公共建筑碳排放量估计研究

目前,进行公共建筑碳排放量估计时,存在估计精度低和模型稳定性差的问题,对此,提出基于改进支持向量机的公共建筑碳排放量估计研究方法。首先,分析公共建筑碳排放量的影响因素,并对采集到的公共建筑碳排放数据展开预处理;然后,建立支持向量机模型,并基于人工鱼群算法对支持向量机参数进行优化。最后将优化后的正则化参数和宽度参数代入支持向量机中,得到公共建筑碳排放量。实验结果表明,所提方法的PCC系数最高达到0.81,MAE最低值为0.08,MAPE最低值为19%,由此可见所提方法可精准的完成碳排放量估计,同时具有较高的稳定性。

基于灰狼算法优化SVM的油浸式变压器电力故障自动化监测系统

针对现有系统存在的电力故障监测精度低、控制性能差等问题,提出基于灰狼算法优化SVM的油浸式变压器电力故障自动化监测系统。选取与配置传感器设备、监控与显示设备,提取与融合油浸式变压器监测数据特征,引入灰狼算法优化SVM参数,制定变压器电力故障自动化监测程序,设置合理的安全阈值,在电力故障发生前对其进行报警及显示,实现对电力故障的自动化监测与控制。实验结果显示,应用设计系统获得的机械振动信号特征提取结果与实际机械振动信号特征相同,电力故障监测结果与模拟工况一致。

基于AFSPSO-ν-SVM的山洪灾害预测方法研究

随着科学技术的发展,人类在山区的工程活动越来越频繁,这加剧了山洪灾害的发生频率。准确及时预测出山洪灾害发生的可能性,对于保证工程安全、降低经济损失、提高人员安全防范能力具有重要意义。将人工智能算法应用于山洪灾害预测成为当下研究者们关注的焦点。为了解决当下山洪诱发因素敏感性差异导致的预测精度不足、小样本数据引起的模型拟合效果欠优以及非线性模型参数不易确定等问题,将主成分分析与ν支持向量机相结合对山洪发生进行预测,通过人工鱼群算法扩大粒子群算法中粒子的搜索范围和速度,并利用改进粒子群算法对支持向量机参数进行寻优,建立AFSPSO-ν-SVM山洪灾害概率预测模型。通过实验对比了本文模型与BL模型、ν-SVM模型、PSO-ν-SVM模型的性能,结果表明,本文模型误差最小且速度最快。本文研究为山洪预报预警领域研究提供了一种新的思路。

半透射高光谱成像技术与支持向量机的马铃薯空心病无损检测研究

针对马铃薯空心病的难以检测问题,提出了一种基于半透射高光谱成像技术结合支持向量机（support vector machine,SVM）的马铃薯空心病无损检测方法。选取224个马铃薯样本（合格149个,空心75个）作为研究对象,搭建了马铃薯半透射高光谱图像采集系统,采集了马铃薯样本半透射高光谱图像（390~1 040nm）,对感兴趣区域内的光谱进行平均和光谱特征分析。采用变量标准化（normalize）对原始光谱进行光谱预处理,建立了全波段的SVM判别模型,模型对测试集样本的识别准确率仅为87.5%。为了提高模型性能,采用竞争性自适应重加权算法（competitive adaptive reweighed sampling algorithm,CARS）结合连续投影算法（successive projection algorithm,SPA）对光谱全波段520个变量进行变量选择,最终确定了8个光谱特征变量（454,601,639,664,748,827,874和936nm）,所选8个光谱变量建立的SVM模型对马铃薯测试集的识别率为94.64%。分别采用人工鱼群算法（artificial fish swarm algorithm,AFSA）、遗传算法（genetic algorithm,GA）和网格搜索法（grid search algorithm）对SVM模型的惩罚参数c和核参数g进行优化。经过建模比较分析,确定AFSA为最优优化算法,最优模型参数为c=10.659 1,g=0.349 7,确定AFSASVM模型为马铃薯空心病的最优识别模型,该模型总体识别率达到100%。试验结果表明：基于半透射高光谱成像技术结合CARS-SPA与AFSA-SVM方法能够对马铃薯空心病进行准确的检测,也为马铃薯空心病的快速无损检测提供技术支持。

基于人工鱼群优化支持向量机的模拟电路故障诊断

为了提高模拟电路故障诊断的识别率,提出一种基于人工鱼群优化支持向量机的模拟电路故障诊断方法。该方法用主成分分析对采集到的模拟电路故障信息进行降维,将提取后的故障特征输入支持向量机进行故障诊断,同时采用人工鱼群算法对支持向量机的惩罚参数和核函数参数进行优化,避免参数选择的盲目性,提高模型的诊断精度。通过对Sallen-Key带通滤波器电路的故障诊断仿真结果表明,该方法是有效的,与BP神经网络和传统SVM等方法的诊断结果相比较能够诊断更多的故障类别,并具有更高的故障诊断率。

人工鱼群算法在SVM参数优化选择中的应用

针对支持向量机的参数优化缺乏理论支持,而SVM交叉检验法选取又较为费时的情况下,提出了基于人工鱼群算法的支持向量机参数优化选取算法,并以SVM分类预测准确率最大为优化原则,利用人工鱼群算法的较好并行性和较强的全局寻优能力,以实现最优目标并得到SVM的最优参数组合。数值实验结果表明:人工鱼群算法在SVM参数优化选取中具有更快的寻优性能,同时具有较高的分类准确率。该方法具有较好的并行性和较强的全局寻优能力。

基于人工鱼群和分形维数融合SVM的空气质量预测方法

为了克服现有方法在空气质量预测上存在的缺点,文中通过采用改进的离散型人工鱼群算法,并结合分形维数,提出基于人工鱼群和分形维数融合SVM的空气质量预测方法.首先对人工鱼群算法聚群、觅食行为及移动方式进行离散化改进,引入跳出局部最优策略和并行机制.然后将改进的离散型人工鱼群算法结合分形维数,约简空气质量数据集.最后采用基于高斯核SVM建立空气质量预测模型.在北京、上海和广州近2年的空气质量数据上的实验表明,文中方法预测性能较优,具有较高的稳定性和可信性.

基于改进人工鱼群算法的支持向量机预测

由于参数的选择范围较大,在多个参数中进行盲目搜索最优参数的时间代价较大,且很难得到最优参数。为此,提出一种基于改进人工鱼群算法(AFSA)的支持向量机(SVM)预测算法。对AFSA进行改进,并使用改进算法优化SVM。实验结果表明,与遗传算法、粒子群优化算法和基本AFSA优化的支持向量机相比,该算法的均方误差降低为2.51×10 3,提高了预测精度。

基于人工鱼群算法优化SVM的手部动作sEMG识别

为了提高人体手部运动模式识别的准确性,提出了一种基于人工鱼群算法优化支持向量机(SVM)的模式识别方法。该方法对采集的表面肌电信号(s EMG)去噪后提取小波系数最大值作为特征样本,将提取后的特征输入到SVM进行动作模式识别,同时采用人工鱼群算法优化SVM(AFSVM)的惩罚参数和核函数参数,避免参数选择的盲目性,提高模型的识别精度。通过对内翻、外翻、握拳、展拳四种动作仿真结果表明:该方法与传统的SVM方法相比具有更高的识别率。

一种面向语音识别的抗噪SVM参数优化方法

为提高机器学习性能,解决语音识别系统在噪声环境中识别率变差等问题,在分析支持向量机(SVM)模型抗噪性的基础上,提出一种基于生境共享机制的并行结构人工鱼群算法(PAFSA)优化SVM参数的方法。该算法对人工鱼群算法的循环主体进行改进,结合小生境技术的共享机制,在寻优的过程中维持样本个体的多样性,提高求解速度和解的精确性,并利用测试函数对该优化方法进行测试和比较,证明其有效性;用PAFSA对SVM中的惩罚因子C及高斯核参数γ进行优化,并将优选的参数用于一个非特定人、孤立词、中等词汇量的语音识别系统中。实验结果表明:当工作在不同信噪比和不同词汇量下,基于PAFSA-SVM模型语音识别率与基本AFSA-SVM模型识别率以及传统的HMM模型识别率相比均有不同程度提高。

基于人工免疫加权支持向量机的电力负荷预测

提出了一种人工免疫加权支持向量机负荷预测模型,针对各训练样本重要性的差异,提出了给各个样本的参数赋予不同权重的加权支持向量机方法,并用人工免疫算法对支持向量机的核函数和参数进行寻优,从而很好的解决支持向量机应用中核函数和参数选择这一公认的难题,减少了人工凭经验选择的盲目性。经过仿真,证明了其在短期负荷预测中的有效性。

新型混合SVC模型及其基于人工免疫算法的控制策略

针对静止无功补偿器(SVC)在抑制电压闪变、滤除谐波方面效果不理想以及静止无功发生器(SVG)成本过高的问题,提出一种FC+TCR+SVG型混合SVC模型。成本低廉的大容量SVC(FC+TCR)完成初步粗补偿,小容量SVG负责微补偿、抑制电压闪变以及滤除谐波,两者优势互补,最大限度地兼顾成本与性能。通过分析不同的模块布局,确定可行的电路分布结构,最大限度地减少模块间的干扰。提出基于人工免疫算法的改进型动态PI控制器以及模块间的协调控制策略。PSCAD仿真结果表明,新型混合SVC比传统SVC响应速度更快,补偿效果更好,并对谐波有较好的抑制作用,其综合性能媲美SVG,且可以节省50%以上的成本。

基于人工鱼群算法的储粮害虫特征选择

储粮害虫特征选择是粮虫图像识别中的一个核心问题.提出基于人工鱼群算法的特征选择,并给出了基于二进制编码寻优的实现方法.以交叉验证训练模型的识别率作为特征子集的性能评价准则,将人工鱼群算法应用于粮虫的特征选择.该算法从粮虫的17维形态学特征中自动选择出面积、周长等7个特征所组成的最优特征子集,采用参数优化之后的SVM分类器对90个粮虫样本进行分类,识别率达到95.5%以上,并与PCA法、GA法和原始特征法进行对比,结果表明人工鱼群算法降低了特征空间的维数,提高了分类器的识别率,证实了基于人工鱼群算法的粮虫特征选择是可行的.

电网建设项目物资需求预测研究

为满足电网建设项目物资需求管理的发展要求,在现有企业资源计划(ERP)系统完成上线并能够提供初步数据支持的基础上,针对如何依据电网建设项目里程碑计划中的基本工程建设指标,合理预测物资需求的问题,借助支持向量机模型(SVM)和人工鱼群算法(AFSA),构建了电网建设项目物资需求预测模型。在支持向量回归机的基础上,融合添加混沌搜索后的改进人工鱼群算法,优化了向量机核函数选取和参数设置,通过省级电网建设项目物资需求历史数据测试,模型预测结果满足实际使用要求,能够有效解决电网建设项目物资需求预测的问题。

基于人工鱼群优化的直推式支持向量机分类算法

提出基于人工鱼群优化的直推式支持向量机分类算法。该算法使直推式学习思想的优势得到充分的展现,在部分UCI标准数据集和20-Newgroups文本实验数据集上的对比实验表明,该算法较经典支持向量机算法和基于蚁群算法的直推式支持向量机算法具有更高的分类性能。

基于AFSA-SVM的网络入侵检测模型

特征选择是网络入侵检测研究中的核心问题,为了提高网络入侵检测率,提出一种人工鱼群算法(AFSA)和支持向量机(SVM)相融合的网络入侵检测模型(AFSA-SVM)。将网络特征子集编码成人工鱼的位置,以5折交叉验证SVM训练模型检测率作为特征子集优劣的评价标准,通过模拟鱼群的觅食、聚群及追尾行为找到最优特征子集,SVM根据最优特征子集进行网络入侵检测,并采用KDD CUP 99数据集进行仿真测试。仿真结果表明,相对于粒子群优化算法、遗传算法和原始特征法,AFSA-SVM提高了入侵检测效率和检测率,是一种有效的网络入侵检测模型。

基于NCSPSO-AFSA优化SVM的林木冠层图像分割

【目的】对林木冠层图像采用NCSPSO-AFSA优化支持向量机（SVM）进行图像分割,提取树干分割图,以进一步提高分割效果。【方法】对现有的小生境和交叉算子的粒子群算法（NCSPSO）进行优化,并与人工鱼群算（AFSA）混合,寻找最优惩罚系数C和高斯核函数中的参数γ;然后运用SVM方法对训练样本进行综合训练,以建立最佳分类模型;最后对香樟树、马褂木和杨树的冠层图像进行分割,并与AFSA算法、NCSPSO算法的分割效果进行比较。【结果】AFSA、NCSPSO、NCSPSO-AFSA算法的平均运行时间分别为178.909,154.661和97.213s,平均分割准确率分别为90.83%,94.08%和98.90%,表明改进的NCSPSO-AFSA混合算法在效率上较其他2种算法提高了63%以上,而且分割准确率提高了5%～8%。【结论】运用NCSPSO-AFSA优化SVM方法对林木冠层图像进行树干图像分割,可得到最佳分割效果。

耦合人工鱼群算法在支持向量机参数优化中的应用

针对支持向量机的参数寻优到目前为止仍无一套系统的、完整的理论,同时如采用网格搜索法寻找最优参数又较为费时,单独使用人工鱼群算法寻优时需要反复调用预测数据集的情况下,提出了耦合人工鱼群算法用于支持向量机参数的优化选择.该模型利用训练好的神经网络来拟合人工鱼的食物浓度值,避免了反复调用预测数据集的麻烦;该模型既具有神经网络算法的较强非线性拟合能力,又具有鱼群算法的并行搜索能力和全局寻优性能等优点.数值试验的结果表明:耦合人工鱼群算法在支持向量机的参数寻优中具有较好的预测效果和较高的预测准确率.