基于支持向量机对间歇过程的建模及控制

介绍支持向量机的原理,以甲基丙烯酸甲酯的聚合为例阐述利用支持向量机对间歇过程建模的方法,并把其应用于在线模型的修正和控制。     

基于支持向量机的文本分类研究

本文介绍了基于支持向量机（SVMs）的文本分类基本原理、方法，并给出实现的例子。     

基于支持向量机的离心机振动信号采集及分析

为更准确地判断离心机工作状态，使用动态信号采集仪对离心机进行信号采集，并对数据进行预处理。使用支持向量机模型，提取离心机振动信号的时域和时频域信息作为其状态特征，使用主成分分析（PCA）降维技术得到低维、冗余信息较小、对状态信息表达一致的低维特征矩阵。将特征矩阵输入支持向量机进行分类识别，使用时域特征、时频域特征、时域+时频域特征作为输入，识别准确率可达90%。     

基于最小二乘支持向量机的河段洪水预报研究

我国夏季汛期容易发生洪涝灾害,对区域财产安全与经济发展威胁巨大。基于最小二乘支持向量机洪水预测模型理论,以我国西南地区某流域河段为例,通过采集2016—2019年相关水文数据,建立最小二乘支持向量的区域洪水预报模型,并对区域水位变化作出了准确预测。该模型在河段洪水预测方面具有高精度、科学可靠的优势,在我国西南地区洪水预报工作中具有广泛的应用前景。     

基于改进支持向量机的混凝土桥梁极限荷载预测研究

作为基础设施的重要组成部分,混凝土桥梁承担着货物运输和人员通行的重要任务,然而由于长期受到环境因素和交通负荷的影响,桥梁结构会逐渐受损,可能会导致严重事故和损失,因此准确预测混凝土桥梁的极限荷载对于确保桥梁结构的安全性和可靠性至关重要。以改进支持向量机为基础,对混凝土桥梁极限荷载进行精准预测,为桥梁结构的健康监测和维护提供一种可靠的工具和方法。     

基于支持向量机的石油期货价格预测

建立了基于支持向量机技术的石油期货价格预测方法.该方法使用价格序列一阶差分及其滞后值建模,采用径向基(RBF)核函数和序贯最小优化(SMO)算法,通过综合验证方式确定包括嵌入维数在内的各参数.实证研究表明,支持向量机方法比RBF神经网络和ARIMA模型预测精度更高,具有很好的应用前景.     

基于最小二乘支持向量机的标高金预测方法研究

标高金确定的合适与否,直接影响着投标方能否中标和盈利。针对传统神经网络方法存在的缺点,提出了一种基于最小二乘支持向量机的标高金预测方法,并对该方法进行了实证研究。实例研究表明,基于最小二乘支持向量机的标高金预测方法是有效可行的,其在解决小样本数据的非线性问题上有着传统方法无可比拟的优越性。该方法为科学合理地确定标高金提供了一种新的思路,可为投标方的报价决策提供参考。     

CT机的后期维修保养与故障维修

随着医疗技术的不断进步和发展,CT机在医疗事业发展建设中至关重要。由于CT机自身容易受到腐蚀、内部应力差、外部负荷较大等影响,在实际应用过程中存在很多问题,影响了机器的安全使用。通过调查研究,分析CT机的电气与机械问题,提出相应的维修保养方案。     

基于支持向量机和特征向量提取的人脸识别框架

为了研究支持向量机在人脸识别中的应用,提出了人脸识别框架,该框架首先利用特征向量提取算法对人脸进行特征提取,得到人脸面部纹理特征数据,然后采用支持向量机对提取的数据进行训练,得到人脸模板,并依据人脸模板对人脸进行识别。实验采用ORL人脸数据库作为实验数据,使用LBP算法提取特征向量,使用LIBSVM训练得到人脸模板数据库,当模板人脸数与预测人脸数比值一定时,随着人数增加,其预测的正确率会有所下滑;当人数一定时,人脸模板与预测人脸数值上升,其正确率会有所上升。当选择一个相对合适的模板比例时,正确率将会达到89.29%以上。实验结果表明,提出的框架对于人脸具有良好的识别能力。     

基于支持向量机模型的地铁进站客流量预测

为了更精确地预测短期站点客流量,动态调整城市轨道交通的日常客流方案,采用支持向量机模型对预测地铁客流量。首先,通过对AFC数据分析,利用上周同期进站量、前一天同期进站量、当日前两个时段进站量以及高峰和非高峰时段参数作为模型的输入变量;然后,构造支持向量机预测模型并运用粒子群算法优化模型(PSO-SVM模型),实现地铁站点客流量预测,并进行不同模型预测误差的比较分析;最后,以苏州地铁数据为例,预测汾湖路地铁站的进站客流量。结果表明,优化模型能够有效改善预测误差,预测结果更为准确,证明PSO-SVM方法能有效用于地铁进站客流量的预测研究,为地铁进站客流量预测提供了新的方法。     

基于无线传输的智能小区门禁系统设计

提出了一种基于支持向量机的机械故障诊断模型,该模型建立在VC维理论和结构风险最小原理基础上,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折中,以期获得最好的推广能力。在选取诊断模型输入向量时,对故障信号功率谱进行小波分解,简化了故障特征向量的提取。仿真结果验证了该模型的有效性。     

模式识别中的光字符识别技术及应用综述

介绍了模式识别的概念,阐述了模式识别中的统计决策法、结构模式识别、模糊模式识别与人工神经网络识别,重点介绍了字符识别中的光字符识别技术。OCR技术综合了数字图像处理、计算机图形学和人工智能等多方面的知识,成为当今模式识别领域最活跃的研究内容之一。OCR技术在文字识别中有着广泛应用,文中对OCR技术在我国汉字印刷体和手写体识别中的应用作了重点介绍,最后扼要介绍了OCR技术的研究方向。     

一种基于CMAC神经网络的板形模式识别新方法

针对传统的板形识别模型在识别板形时,由于板宽的变化需要不同拓扑结构的神经网络才能完成板形模式识别任务,网络学习工作量大,网络存在收敛速度慢,易陷入局部极小等结构性能不佳的问题,建立了一种新的基于CMAC神经网络的板形模式识别模型。该模型利用欧式距离差得到网络的输入神经元,并在权值更新算法中引入了动态学习率。通过仿真实验表明该方法简单、实用,识别精度较高,克服了传统的识别模型的缺点和不足,有效地提高了板形模式识别模型的速度和精度。     

基于DLNS-DSVDD的故障检测方法

为了解决支持向量数据描述方法对多模态动态过程故障检测率低的问题,提出了基于双局部近邻标准化的动态支持向量数据描述的故障检测方法。首先,应用DLNS方法标准化样本生成标准数据集;其次,利用动态方法将标准数据集构造成动态矩阵;最后,使用SVDD方法建立基于空间距离的统计量进行故障检测,应用DLNS-DSVDD方法对一个数值例子和田纳西-伊斯曼过程(TE过程)进行仿真测试,并与传统方法对比分析。结果表明,DLNS-DSVDD方法在具有更低的误报率的前提下拥有更高的故障检测率,平均误报率为2.2%,相比于SVDD方法降低了2.1%,平均故障检测率为88.2%,相比于SVDD方法提高了38.5%,证明了所提出的方法可以有效地监控具有多模态动态特征的化工生产过程。DLNS-DSVDD方法可以有效地剔除数据的多模态结构并且准确地捕获样本中的动态信息,为提高SVDD方法在多模态动态过程中的故障检测性能提供了参考。     

基于决策融合的多卫星通信系统态势分析技术

为了解决高轨宽带、高轨移动、低轨星座卫星通信系统融合使用时，运行态势不全面、不精确等问题，设计了基于决策融合的多卫星通信系统态势分析技术。首先，借鉴数字孪生理论，建立板卡级、设备级、节点级、网络级、应用级5个层级体系化数字空间模型。其次，提取数据特征，得到高质量数据样本。最后，通过决策融合分析方法，对数据样本运用多种算法进行初步分析，再将不同算法的分析结果进行融合得出最终结果。结果表明，基于决策融合分析，能够对真实多卫星通信系统的不同指标主题得出较好的分析结果。因此，决策融合得到的分析结果可以帮助卫星通信系统运维人员更好地优化多卫星通信系统的运行状态。     

基于数据挖掘算法的变压器热点温度时序预测方法

为了解决油浸式电力变压器热点温度预测方法缺乏对短期热点温度走势的预测,无法满足动态增容决策要求的问题,以SFPSZ-180000/220型变压器为研究对象,首先,研究对比发现变压器的热点温度与负载率相关性最大,在此基础上,建立了基于支持向量回归的局部地区负荷预测模型,为变压器热点温度预测提供数据;其次,提出了基于数据挖掘算法的变压器热点温度时序预测方法,并在此基础上分别建立了支持向量回归、BP神经网络、决策树3种数据挖掘预测模型;最后,对一般输入-输出的建模方法的预测结果与基于时间延迟方法的预测结果,以及不同时间延迟下3种数据挖掘模型的预测结果进行了对比分析。结果表明,有外在输入的支持向量回归预测模型结果比BP神经网络和决策树吻合度更高,并且时间延时更小,预测结果精确度更高。有外在输入的支持向量回归预测模型在很大程度上提高了变压器热点温度预测精度,其预测结果可为变压器的动态增容决策提供有效参考。     

基于人脸识别的门禁系统设计

设计了一种基于人脸识别的门禁系统。该系统从前端摄像头获取人脸图像,在PC机上完成识别,然后给单片机发送命令来控制门禁系统。软件上首先利用小波变换对人脸图像进行2次小波分解,然后对低频分量进行离散余弦变换(DCT)提取特征值,最后利用欧氏距离和最近邻分类器进行识别。结果表明该系统构建简单、方便,识别速度快且准确率较高。     

基于One-Class SVM的青鳉鱼异常行为识别方法

为了更准确地解析青鳉鱼在突发污染环境中的行为变化趋势,提出了一种基于One-Class SVM模型的青鳉鱼异常行为识别方法。以青鳉鱼的生理及行为特征作为观测指标,将采集到的暴露在不同类型和浓度特征污染物下的青鳉鱼行为强度信号作为经验数据,利用直方图统计和主成分分析（PCA）对行为强度数据进行降维,实现行为特征提取,基于One-Class SVM构建模型,并以五水合硫酸铜和三氯酚作为特征污染物进行暴露实验对算法进行验证。结果表明,One-Class SVM模型可以准确地识别正常行为和污染物暴露时发生的异常行为;对于有机污染物最快可在10 min内完成预警,重金属污染物可在1 h内完成预警,并且污染物浓度越高,模型的识别效果越好。识别方法可对水源突发性水质污染进行更有效的监测和预警,也可为水污染应急决策提供技术支撑。     

基于ITD-ELM的变压器绕组微弱匝间短路故障诊断

为了解决油浸式变压器内部绕组绝缘故障检测难度大的问题,提出了一种基于本征时间尺度分解(ITD)和极限学习机(ELM)的变压器绕组微弱匝间短路故障诊断方法。首先,将采集到的变压器可听声信号利用ITD算法分解为若干旋转(PR)分量,并将峭度值较大的分量信号相加,对可听声信号进行重构;其次,将重构后的变压器可听声信号作为模型输入层,故障诊断结果作为模型输出层,构建了基于ITD-ELM的变压器绕组微弱匝间短路故障诊断模型;最后,以一台110 V变压器搭建实验模拟平台,对其微弱匝间短路故障进行训练并诊断。结果表明：基于ITD-ELM模型的微弱匝间短路故障诊断精确率为98%,较传统的ELM故障诊断精确度提升了3%,验证了所提变压器绕组微弱匝间短路故障诊断方法的准确性。研究所提出的故障诊断方法准确性较高,可应用于现场运行的不同电压等级的油浸式变压器。