首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 515 毫秒

1.  用SVM和LS-SVM分析变压器故障诊断  
   张哲  朱永利《微型机与应用》,2009年第28卷第8期
   介绍并比较了支持向量机分类器和最小二乘支持向量机分类器的算法,提出了基于支持向量机的二叉树多分类变压器故障诊断模型.将标准支持向量机(C-SVM)分类器和最小二乘支持向量机(LS-SVM)分类器分别用于变压器故障诊断,通过网格搜索和交叉验证法取得支持向量机的参数,准确率较高.试验结果表明,支持向量机和最小二乘支持向量机在变压器故障诊断中具有很大的应用潜力.    

2.  遗传优化的LSSVM在故障诊断中的仿真研究  
   张大为  段哲民  李鹏  张晓辉《计算机仿真》,2010年第27卷第10期
   研究机载电气故障诊断问题,采用支持向量方法.支持向量机是一种采用结构风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力.支持向量机的参数选择非常重要,决定故障诊断的精确度.针对最小二乘支持向量机的参数通常靠交叉试验来确定的情况,为了提高故障诊断的精度和效率,提出了一种模拟退火遗传算法和最小二乘支持向量机相结合的故障诊断方法,利用模拟退火遗传算法的全局搜索能力对最小二乘支持向量机的参数进行寻优,并以某型直升机机载电气盒的故障诊断为例对方法进行了仿真研究.实验结果表明,模拟退火遗传算法优化的最小二乘支持向量机取得了较好的故障诊断效果.    

3.  基于LS-SVM的航空润滑油金属含量分析  
   黄永武  王伟平  韩孟涛《微型机与应用》,2009年第28卷第10期
   在航空润滑油光谱分析故障诊断中,对润滑油浓度的变化趋势进行预测是油液光谱分析故障诊断的重要内容之一.针对这一分析方法,介绍了最小二乘支持向量机并对航空发动机滑油系统铁元素浓度的变化趋势进行了预测;并采用遗传算法对最小二乘支持向量机的参数进行优化,通过与灰色模型的预测结果作比较,其结果表明,优化后的最小二乘支持向量机的预测精度高,具有很好的泛化能力和学习能力.    

4.  基于最小二乘支持向量机的电力变压器故障诊断  
   肖燕彩  朱衡君《电力自动化设备》,2007年第27卷第9期
   油中溶解气体分析是变压器绝缘故障诊断的重要方法。为了提高分类的准确度和可靠性,应用最小二乘支持向量机理论建立了变压器的分类模型。该模型以变压器油中5种主要特征气体作为输入量,以7种变压器状态作为输出量,选用了径向基核,使用了一对一的多分类算法,充分发挥了支持向量机具有较高泛化能力的优势。通过大量的实例分析,并将诊断结果与IEC三比值法、改良三比值法和BP神经网络的诊断结果相比较,表明基于径向基核的最小二乘支持向量机在变压器故障诊断中具有更高的准确率。    

5.  基于LS-SVM的光纤智能结构损伤诊断  
   董晓马  王忠辉《武汉大学学报(工学版)》,2010年第43卷第6期
   针对目前结构损伤诊断方法的局限以及最小二乘支持向量机算法优点,提出采用最小二乘支持向量机来对光纤智能结构损伤位置识别进行研究,并在Matlab中编制了相应的支持向量机程序,建立了相应损伤诊断模型.以实例数据为学习样本和测试样本,讨论了基于最小二乘支持向量机的光纤智能结构损伤诊断可行性.试验研究结果表明,基于最小二乘支持向量机光纤智能结构损伤诊断识别方法具有较高的可靠性和精度且操作方便,是一种性能优良的智能识别方法,为智能结构实现损伤自诊断提供了更为先进的方法.    

6.  LS-SVM的矩形窗算法及其在非线性系统建模中的应用  
   杨庆华  时磊《火炮发射与控制学报》,2009年第4期
   最小二乘支持向量机是支持向量机的一种重要方法,但该方法不能用于在线辨识,并且可能导致计算膨胀问题.将最小二乘支持向量机与矩形窗算法相结合,可形成最小二乘支持向量机的矩形窗算法.由于该方法采用了在线递推,可有效克服坏数据对参数估计的影响,并可避免计算膨胀问题,提高了最小二乘支持向量机的计算速度.最后将该方法应用于非线性系统的建模中,仿真实例验证了该方法的有效性.    

7.  基于遗传算法和支持向量机的故障诊断方法  被引次数:1
   张大为  段哲民  李鹏  张晓辉《计算机测量与控制》,2010年第18卷第8期
   支持向量机是一种采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力,广泛的应用于故障诊断和函数拟合中;以某型直升机机载电气盒的故障诊断为实验平台,提出了一种自适应遗传算法和最小二乘支持向量机相结合的故障诊断方法,利用自适应遗传算法强大的全局搜索能力对最小二乘支持向量机的参数进行寻优;仿真结果表明,基于自适应遗传算法优化的最小二乘支持向量机取得了较好的故障诊断精度和效率.    

8.  支持向量机在钻井工程数据拟合中的应用  
   陈华  范宜仁  邓少贵《计算机工程与应用》,2006年第42卷第21期
   支持向量机(SVM)是近年来发展起来的一种通用的机器学习方法,在小样本数据的拟合中已获得了很好的效果。对于常见的支持向量回归机方法:ε-支持向量回归机和最小二乘支持向量回归机进行了归纳总结,并给出了一具体应用案例。    

9.  基于最小二乘支持向量机的车牌字符特征分类研究  
   刘静《计算机与数字工程》,2015年第7期
   最小二乘支持向量机是一种新的有效的机器学习算法。论文介绍了最小二乘支持向量机模型,研究了最小二乘支持向量机算法和经典的多类分类算法,提取车牌字符的奇异值特征,将奇异值系数特征作为最小二乘支持向量机的输入进行训练和分类。实验采用 LS‐SVM 工具箱,得到了较好的结果。    

10.  LS-SVM在垃圾邮件过滤中的应用  
   梁宏斌  严正俊《现代电子技术》,2007年第30卷第17期
   基于统计学习理论的支持向量机(SVM)方法是现代智能技术的一个重要分支。SVM在保证分类精度的前提下,提高了分类器的泛化能力。着重讨论了最小二乘支持向量机(LS-SVM)算法原理,并在此基础之上,对算法在垃圾邮件过滤中的应用进行了探讨。    

11.  基于最小二乘支持向量机的油气判别技术  
   许建华  张学工  李衍达《模式识别与人工智能》,2002年第15卷第4期
   最小二乘支持向量机是支持向量机的一种变型,它用线性方程组来替代原始支持向量机的二次规划.本文将最小二乘支持向量机应用于油气勘探开发中的油气判别,提出了基于最小二乘支持向量机算法的油气判别技术.储集层油气横向预测和测井资料油气判别的试验结果证明了本文方法的有效性.    

12.  遗传支持向量机在液压泵轴承故障的预测与应用  
   黄胜忠《煤矿机械》,2011年第9期
   为了能够提高液压泵轴承故障预测的效率,深入地研究了支持向量机在液压泵轴承故障诊断中的预测和应用。提出了遗传模拟退火算法优化的最小二乘支持向量机预测模型,并分别对最小二乘支持向量机和遗传模拟退火算法进行了描述,给出了优化预测模型。通过实例研究,结果表明该方法具有较高的预测精度。    

13.  多元分类LS-SVM设计与装备保障性评估  被引次数:5
   朱家元  郭基联  张恒喜  张喜斌《装备指挥技术学院学报》,2003年第14卷第3期
   科学、有效地进行保障性评估是提高装备综合保障能力和加快装备形成战斗力的研究重点之一;支持向量机是采用结构风险最小化原则代替传统统计学中的,基于大样本的经验风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力。研究了新型支持向量机算法——最小二乘支持向量机,并设计了基于多元分类的最小二乘支持向量机;建立了装备保障性评估的最小二乘支持向量机决策模型,确定了保障性评估指标体系和支持矢量学习决策模式;对某新型装备的保障性进行了评估。结果表明,基于最小二乘支持向量机的保障性评估是有效的、可行的。    

14.  基于粒子群算法和支持向量机的故障诊断研究  被引次数:7
   张树团  张晓斌  雷涛  邸亚洲《计算机测量与控制》,2008年第16卷第11期
   支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中;支持向量机中核函数的参数选择非常重要,它决定着故障诊断的精确度;为了提高电气设备故障诊断的精度和效率,将粒子群优化算法和最小二乘支持向量机相结合,提出了一种基于粒子群支持向量机的故障诊断方法,能够实现对核函数的σ参数进行快速动态选取,提高故障诊断的准确率和效率;实验表明,该方法能够有效地找出合适的核参数,并能取得较好的分类效果。    

15.  基于改进PSO的LSSVM参数优化在变压器故障诊断中的应用  
   贾嵘  张云  洪刚《继电器》,2010年第38卷第17期
   提出了一种基于最小二乘支持向量机的变压器故障诊断的智能方法。为了提高故障诊断的精确度,利用改进粒子群算法来对最小二乘支持向量机进行参数优化,改进后的粒子群算法能够较好地调整算法的全局与局部搜索能力之间的平衡。试验结果证明:该方法不仅能够取得良好的分类效果,而且诊断速度与精度高于传统支持向量机和BP神经网络,更适合在变压器故障诊断中应用。    

16.  基于改进PSO的LSSVM参数优化在变压器故障诊断中的应用  被引次数:2
   贾嵘  张云  洪刚《电力系统保护与控制》,2010年第38卷第17期
   提出了一种基于最小二乘支持向量机的变压器故障诊断的智能方法.为了提高故障诊断的精确度,利用改进粒子群算法来对最小二乘支持向量机进行参数优化,改进后的粒子群算法能够较好地调整算法的全局与局部搜索能力之间的平衡.试验结果证明:该方法不仅能够取得良好的分类效果,而且诊断速度与精度高于传统支持向量机和BP神经网络,更适合在变压器故障诊断中应用.    

17.  最小二乘小波支持向量机在非线性控制中的应用  被引次数:1
   李军  赵峰《电机与控制学报》,2009年第13卷第4期
   结合小波技术和支持向量机,提出了一种基于多维允许小波核的最小二乘小波支持向量机,其小波核函数具有近似正交和适用于信号局部分析的特点。同时,给出了一种有效求解最小二乘小波支持向量机的Cholesky分解算法。将最小二乘小波支持向量机应用在非线性系统的自适应控制上,仿真结果表明,与最小二乘支持向量机、多层前向神经网络或模糊逻辑系统相比,最小二乘小波支持向量机均能给出较好的性能,显示出快速而稳定的学习速度,而且在相同条件下,最小二乘小波支持向量机比最小二乘支持向量机的逼近精确度提高了一个数量级。所提出的用于非线性动态系统自适应控制的最小二乘小波支持向量机方法具有效性和实用性。    

18.  基于最小二乘支持向量机的电力变压器故障诊断  
   田竞  王彧《仪器仪表与分析监测》,2008年第1期
   文章提出使用最小二乘支持向量机(LS-SVM)作为分层决策电力变压器故障诊断模型.首先根据DGA技术以及相关统计分析,选择典型油中故障气体的相对含量作为特征量,然后利用数值预处理后得到的数据样本分别对四级最小支持向量机分类器进行训练和识别,并最后判断输出变压器所处的状态,且针对最小二乘支持向量机存在的参数选择问题,使用了多层动态自适应优化算法来优化最小二乘支持向量机参数.仿真结果表明LS-SVM是一种较为有效的非线性建模方法,具有较快的收敛速度和较高的计算精度,满足电力变压器故障诊断的要求.    

19.  基于粒子群优化的VB-LSSVM算法研究辛烷值预测建模  被引次数:3
   李炜  石连生  梁成龙《仪器仪表学报》,2009年第30卷第2期
   针对现有红外线分析仪表无法实现阶段在线检测车用汽油调合中,MMT抗爆剂对辛烷值的影响问题,考虑到样本数据较少的因素,提出一种基于粒子群优化算法的矢量基最小二乘支持向量机方法,首先以粒子群优化的方法来选取最小二乘支持向量机的模型参数,然后用矢量基判据选择支持向量,使最小二乘支持向量机的解具有稀疏性.该方法不但克服了常用的交叉验证法的耗时与盲目性问题,发挥了最小二乘支持向量机的小样本学习和计算简单的特点,而且提高了最小二乘支持向量机模型的泛化能力,将其应用于汽油调合系统中研究法辛烷值的预测,仿真结果表明,该方法是可行且有效的.    

20.  核极化的多核LSSVM及其在分类中的应用  
   刘文婧  陈肖洁《机械设计与制造》,2018年第1期
   为了解决最小二乘支持向量机对于选择核函数盲目性的问题,将核度量标准核极化和多核学习引入最小二乘支持向量机中,提出了基于核极化的多核最小二乘支持向量机算法。算法首先利用核极化确定每个基本核函数的权系数,再根据多核学习原理组合多核函数,然后,建立多核最小二乘支持向量机模型,并进行模型的学习训练和预测。UCI数据上的试验结果表明,所提出的算法比SVM、最小二乘支持向量机和其他的多核学习方法具有更高的分类准确率。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号