基于最小均方无失真响应和支持向量机的被动声纳目标识别

为了有效地进行被动声纳识别,研究了一种运用最小均方无失真响应（Minimum Variance Distortionless Response,MVDR）谱系数作为特征参数,用多分类支持向量机作为分类器,进行被动声纳目标识别的方法。实验表明,在不同数目的训练样本情况下,基于最小均方无失真响应谱系数和多分类支持向量机的被动声纳目标识别方法使系统的性能显著提高,具有很好的识别效果和应用价值.其优于传统的神经网络作为分类器的识别方法,尤其是在训练样本较少情况下,识别率具有很大的提高。     

基于进化蒙特卡洛方法的特征选择在机械故障诊断中的应用

特征选择可以从原始特征集中去除冗余特征,选择出优化特征子集,提高机械故障诊断精度和诊断效率。将进化蒙特卡洛方法引入机械故障诊断的特征选择。应用支持向量机(SVM)作为故障决策器,采用Wrapper式特征子集评价标准,并采用进化蒙特卡洛算法搜索最优特征子集。运用滚动轴承故障振动信号数据对提出的方法进行验证,实验结果表明该方法是有效的。     

基于EMD-SVD模型和SVM滚动轴承故障模式识别

针对滚动轴承振动信号的非平稳特性和在现实条件下难以获取大量故障样本的实际情况,提出一种经验模态分解、奇异值分解、Renyi熵和支持向量机相结合的故障诊断方法。运用经验模态分解方法对其去噪信号进行分析,利用互相关系数准则对固有模式分量进行筛选,再对所选分量重构相空间得到吸引子轨道矩阵;对矩阵进行奇异值分解求取奇异值,再计算这些奇异值的Renyi熵以组成故障特征向量,并将其作为支持向量机的输入以识别滚动轴承的故障类型。最后,利用实际滚动轴承试验数据的诊断与对比试验验证了该方法的有效性和泛化能力。     

基于支持向量机的高炉向凉、向热炉况预测

高炉冶炼过程中炉温是影响技术经济指标的关键参数,保持合理的炉温是高炉稳定顺行的关键因素。采用某炼铁厂在线采集的数据,通过核主元分析对建模数据进行预处理,根据相关系数选定模型参数,确定参数对炉温的滞后时间,基于支持向量机建立了高炉向凉、向热预测诊断模型。通过实例验证,该模型具有很高的精度。     

基于时序趋势特征的回转窑喂煤SVM分类方法

提出一种基于时序趋势特征的回转窑喂煤支持向量机（SVM）分类方法,根据回转窑多个热工数据之间的动态变化规律预测喂煤变化趋势,指导人工喂煤调节的操作。首先对回转窑热工数据进行预处理,将喂煤时间序列分段线性表示,并提取相应趋势特征,形成训练样本;然后采用粒子群（PSO）算法优化SVM参数,构建SVM分类器,进而对测试样本进行分类,实现对喂煤趋势的分类预测。通过采用现场数据进行对比分析,证明本文提出的喂煤趋势预测方法具有较高的预测准确率,提高了窑前控制的鲁棒性,模型达到了现场应用的水平。     

基于EMG频域特征的假肢机电信号识别研究

采集人体表面肌电信号并进行有效模式识别,是多功能假肢研究的关键技术之一.本文研究肌电信号(EMG)的频域信息,以提取有效特征识别不同的手腕部动作.实验采集了8种不同的手腕动作的EMG信号.分别提取了EMG信号的时间序列模型(AR)、时域统计量(DT)、功率谱估计(PSD)、短时傅里叶变换(STFT)和互功率谱(CPSD...     

基于SVM的多生物特征融合识别算法

针对单生物特征识别的局限性,提出融合手背静脉和虹膜两种生物特征实现身份识别.基于尺度不变特征变换(SIFT)提取手背静脉的局部SIFT特征并对特征点进行匹配,利用特征匹配率作为手背静脉图像的相似度测度.通过Haar小波变换实现虹膜特征编码,利用加权汉明距对虹膜进行相似度测试.最后基于支持向量机(SVM)实现两种生物特征在匹配层的融合识别.利用CASIA虹膜数据库和TJU手背静脉数据库对算法性能进行测试,其等错率为0.02%,实验结果表明,该融合算法具有很高的识别性能,为生物特征识别研究提供了新思路.     

基于SVM新闻文本分类的研究

网络新闻自动分类已经成为当下的热点问题,SVM分类算法是文本分类中应用较为成熟的一种方法.文章针对SVM文本分类中特征选择和核函数选择的两个重要问题,在新闻文本实验环境下进行了探讨,结果表明使用互信息特征选择法且特征数在4000左右,使用SIGMOID核函数的情况下准确率与召回率均可达到97％的分类效果.     

基于SVM数字波束形成的阵列天线结构对比

引用了阵列结构参数ρ,通过把SVM数字波束形成算法应用到CDMA系统中对阵列结构参数ρ进行研究,分别得出了直线阵和圆形阵的阵列结构参数的最佳取值范围;取阵列结构参数的最佳值,确定直线阵和圆形阵的结构;在此基础上分别研究直线阵列、圆形阵列在不过载和过载情况下的性能,得出了不论在不过载和过载的情况下直线阵和圆形阵都能准确接收期望信号,但当干扰信号和期望信号夹角较小及干扰信号之间夹角较小的情况下圆形阵列不能识别出所有的干扰信号,而直线阵可以准确识别干扰信号并对其零陷;而当干扰信号和期望信号夹角较大及干扰信号之间夹角较大的情况下圆形阵列能准确识别出所有的干扰信号,并对其零陷,而直线虽然也能准确接收期望信号但不能准确识别出所有干扰信号。     

基于SVM的医学图像分类器的设计

提出了一个基于支持向量机的医学图像分类器.能提取形状和纹理特征作为分类算法的特征输入,进行计算机辅助诊断.提出了一种支持向量机新算法,解决了当两类中的样本数量差别较大时,支持向量机的分类能力将会下降的问题.实验表明,在小样本、两类样本数量严重不均衡的情况下,该算法有着较强的分类能力,可以极大地提高医学图像分类的效率和准确性.