基于SVM的信息化装备状态趋势预测方法研究

论述了支持向量机SVM(support vector machine)的分类和回归算法,并对SVM在信息化装备状态趋势预测方面的应用进行了可行性分析,指出了传统预测方法的不足和SVM的优点,展望了SVM在信息化装备状态趋势预测方面的研究前景.     

基于支持向量机的人体生理状态判别方法研究

针对人体生理状态判别问题,提出从时域中提取脉搏周期和主波高度这2个参数作为支持向量机的输入特征向量,通过有监督学习的训练方法构建二分类模型,从脉搏的角度将人的生理状态分为普通状态和事件状态。通过人体在运动、睡眠、喝酒3种状态下的实验,对SVM的分类性能进行了统计分析和评价,并验证了SVM对人体生理状态判别具有良好的效果。     

基于改进距离的LLE算法在人脸识别中的应用

本文针对局部线性嵌入算法（locally linear embedding,LLE）中近邻点个数K的选取对结果的敏感性,提出了将改进距离的LLE算法与支持向量机分类算法相结合的人脸识别方法。通过实验,在K值相等的情况下,改进的LLE算法在人脸识别过程中的效果要比单纯的LLE算法要好。     

基于Harris与SVM角点判断的车位状态检测算法

为实现停车场车位状态的快速检测,本文提出了一种基于Harris角点提取与SVM角点判断的车位状态检测算法。首先对车位图像进行角点提取,并通过支持向量机SVM对提取的角点进行分类,找到车位的四个直角角点从而确定车位,再根据该车位里是否有角点来判断车位状态。实验证明,该方法具有较高的准确性,可节省计算时间,具有很好的应用前景。     

基于混沌粒子群优化LS-SVM的发动机磨损状态监测研究

基于混沌PSO算法优化最小二乘支持向量机实现航空发动机磨损状态监测;通过小波包分解消除润滑油光谱数据的噪声,获取LS-SVM的训练与测试样本;针对最小二乘支持向量机解决大规模数据样本回归问题时所出现的训练时间长、收敛速度慢等缺点,提出了混沌PSO算法优化LS-SVM的模型参数;该方法不仅克服了传统PSO算法早熟、容易陷入局部最小值等缺点,同时显著提高了最小二乘支持向量机的预测能力;最后,将一般LS-SVM和GM(1,1)模型的预测结果与文中预测结果进行对比,该方法构建的模型对测试样本产生的预测误差仅为0.0441,验证了该方法在预测精度上具有明显优势。     

基于改进萤火虫算法的SVM核参数选取

支持向量机(SVM)是一种性能优异的机器学习算法,其核函数参数的选取对于建模精度以及泛化能力有着重要的影响。提出一种基于改进萤火虫算法的SVM核函数参数选取方法,通过改进萤火虫位置更新公式并在移动过程中引入亮度特征从而确定最佳的SVM核函数参数。实验表明,该算法选取的SVM核函数参数在保证分类器收敛性能的同时,提高了分类精度,取得了良好的优化效果。     

一种基于SVM的函数模拟方法

支持向量机在高维空间中表示复杂函数是一种有效的通用方法,也是一种新的、很有发展前景的机器学习算法。本文提出采用基于支持向量机的非线笥回归法求解函数模拟问题。     

基于SVM的人体运动状态检测

针对人体运动状态监测中出现的设备要求苛刻、预测精准确较低等问题,采用了一种基于支持向量机(SVM)的人体运动状态检测方法。该方法通过移动终端设备中的传感器获取人体运动数据,并利用SVM对“小数据集”进行运动状态建模和预测,最终实现了低设备要求、高准确度的人体运动状态检测,并通过实验验证了其有效性。     

基于图像识别的输电线路状态智能监测研究

为输电线路安全运行提供基础,提出基于图像识别的输电线路状态智能监测方法。利用多尺度Retinex算法对输电线路图像增强处理,提升输电线路图像质量,利用Mallat多尺度小波变换方法提取输电线路图像边缘的小波系数特征,选取模糊支持向量机方法依据小波系数特征进行实现输电线路状态智能监测。实验结果表明,该方法处理后输电线路图像信息熵高,可以有效识别输电线路的绝缘子覆冰、输电导线舞动等异常状态,输电线路状态智能监控效果理想。     

基于粒子群算法的SVM飞机空调系统状态评估

飞机空调系统对飞机和旅客都起着至关重要的作用,对飞机QAR(Quick Access Recorder)空调数据的健康评价进行预测,可以保证乘客和机组的飞行舒适性、安全性,以及电子电气设备工作的稳定性,避免机械故障导致的航班延误或取消。为提高空调系统状态监控SVM模型预测的准确度,提出了一种基于粒子群算法的SVM空调状态评估方法。通过实验结果可知,使用A320飞机空调系统状态监控收集的样本数据进行预测分析,提出的方法能够有效评估空调系统状态。     

基于最大分类间隔SVDD的电子装备状态监测模型研究

电子装备状态监测技术是装备健康管理的关键技术之一,为了对电子装备的健康状态进行有效监测,首先对模型性能评价指标进行了分析;然后对传统SVDD模型进行了研究,针对该模型只对目标类样本建模而导致分类准确率较低的问题,提出了一种基于最大分类间隔的SVDD监测模型;该模型在保证最小化包裹目标类样本数据超球体的同时,使得目标类样本和非目标类样本之间的类间间隔最大,提高了模型的泛化能力;最后以某型装备滤波电路为例进行了仿真分析,分析结果表明,该模型无论是在精度、召回率还是F值上均要优于传统SVDD模型。     

计算SVM判别函数值的方法

当支撑矢量或待判别的样本很多时,支撑矢量机(SVM)算法对判别函数值的直接计算会影响整个SVM算法的速度．国外对于SVM的训练算法研究很深入,但判别函数值的算法研究很少．文中将从减少判别值计算的复杂性入手,提出矢量替换法(主要针对线性SVM)、正交矢量法(主要针对非线性SVM)的判别值计算算法．     

一种基于WiFi的室内重点区域监测方法

针对无设备的室内重点区域监测问题,本文提出一种Wi-KAM方法,通过获取室内人员的实时位置信息,判断重点区域内部的人员存在情况和区域边界的入侵情况.本方法使用高斯低通滤波算法和主成分分析(PCA)法对提取出的信道状态信息(CSI)进行预处理,并提取位置特征信息.结合最小二乘支持向量机(LSSVM),对样本集进行离线训练和在线分类,获取人员实时位置,实现对重点区域内部及周边人员位置情况的监测.实验表明,本方法可以更精确地进行重点区域内人员入侵检测和位置判别,并提高了室内人员定位的准确性.     

旋转机械网络化集成监测单元的研究

该文设计并实现了针对旋转机械设备的网络化集成监测单元。该单元采用DSP技术、并行采集技术、TCP/IP协议、多进程与进程通讯机制,很好地解决了嵌入式状态监测系统中信号获取、数据动态管理和网络组态控制等任务的集成化问题,为设备状态监测和故障诊断的网络化提供了最基本的监测信息输入单元。     

一种基于SVM的产品质量鉴别方法

为解决现实生产中某些产品无法用客观分析方法进行准确品质鉴别的问题,弥补人工感观鉴定方法的不足,提出了基于SVM的产品质量鉴别方法,通过产品的化学成份完成品质分类鉴定。实验采用葡萄酒的数据做仿真计算,结果表明,该方法可以对葡萄酒的品质进行有效的鉴定,准确度较高。     

服役工况下的高速列车轴承温度预测模型构建

轴承温度预测对高速列车服役状态的评估以及运维策略的制定具有重要作用.针对复杂服役环境下的高速列车轴温预测问题,首先构建了轴承热力学近似计算模型,并分析了引起轴承温升的服役工况敏感参数,再利用支持向量机回归的方法建立了基于服役工况参数的轴承温度预测模型.对高速列车轴承履历服役数据进行统计分析,构建轴承温升相对速度变化的延...     

基于粗糙集主要因素分析的装备购置费用建模预测

针对影响装备的购置费用的因素很多,各因素并不同等重要,因素之间存在相互影响的关系,如何确定主要因素是建立预测模型的关键,论文提出采用粗糙集约简算法,对影响飞机购置费用的因素进行分析,并采用支持向量机进行预测,实例分析表明基于主要因素的预测模型要优于基于全部因素的预测模型。     

基于混合核函数的雷达辐射源信号识别

针对单核函数支持向量机性能的局限性问题,提出将多项式核函数与高斯核函数构建成一种混合核函数支持向量机,并将其应用于雷达辐射源信号识别。将信号的常规参数与脉内特征参数作为输入特征,通过仿真实验,证明了算法的有效性,并比较了不同权值对于分选效果的影响。     

基于支持向量机的机械故障智能分类研究

故障样本不足是制约故障诊断技术向智能化方向发展的主要原因之一，支持向量机（SVM)是一种基于统计学习理论(SLT)的机器学习算法，它能在训练样本很少的情况下达到很好的分类效果，从而为故障诊断技术向智能化发展提供了新的途径．本文介绍了支持向量机分类算法，以滚动轴承的故障分类为例，探讨了该算法在故障诊断领域中的应用，并与BP神经网络分类方法进行了对比研究，结果表明，SVM方法在少样本情况下的分类效果优于BP神经网络分类方法．     

基于遗传算法的SVM带权特征和模型参数优化

建立在统计学习理论和结构风险最小原则上的支持向量机(SVM)在理论上保证了模型的最大泛化能力,因此将支持向量机理论应用于入侵检测领域可以获得很好的效果.但是在应用中也存在如何对网络数据进行特征编码和选择适当的支持向量机模型参数的问题.在分析了特征编码和模型参数对分类器识别精度的影响基础上,提出用遗传算法建立支持向量机带权特征和分类器模型参数的自适应优化算法,并在网络入侵检测中成功的运用算法.最后,使用KDD CUP 1999数据进行的仿真实验表明了算法的正确有效性.