支持向量机模型改进及在短期边际电价预测中的应用

传统的最小二乘支持向量机模型对训练样本的各个输入点同等看待,各输入向量的贡献度是相同,未对离群点加以考虑.在最小二乘支持向量机模型中引入隶属度的相关理论并建立模糊隶属度函数,对离群点和正常点赋予不同的贡献度,建立了模糊最小二乘支持向量机模型.最后,以美国PJM电力市场的边际电价预测为例,验证了本文模型的预测精度比传统的最小二乘向量机模型高50％左右,且复杂程度基本不变.     

线性代数的“可视化”教学

通过Matlab软件的绘图功能将线性代数中三元线性方程组的解和二阶方阵的特征向量可视化,通过"多余"来直观地理解向量组的线性相关性定理,实现了将线性代数部分概念和定理的"可视化".     

预测砌体墙板开裂模式的支持向量机方法

为探索一种简单易行、精度良好的砌体墙板开裂模式预测方法,建立了一个预测面外均布荷载下砌体墙板开裂模式的支持向量机方法:对砌体墙板试验开裂模式进行特征提取,获取开裂模式先验知识;对提取的开裂模式特征进行数值化定义,得到描述开裂模式的特征值;应用支持向量机学习这些试验墙板开裂模式的特征值;应用学习/训练后的支持向量机模型,对新墙板进行开裂模式的预测.对该支持向量机方法的验证,分别考察了3种情况:三边支撑墙板、四边支撑墙板、混合两种支撑的墙板.结果表明所建立的支持向量机方法,能够基于试验墙板开裂模式,较精确地预测新墙板开裂模式.     

风电机组网侧逆变器实时电流跟踪法谐波抑制

为解决异步风力发电机网侧逆变器接入带有非线性负载的电网时存在谐波干扰的问题,采用一种改进的并网逆变器实时电流跟踪谐波抑制方法,建立了风力发电机网侧并网逆变器电压矢量、电流跟踪和扰动的数学模型以及控制系统的谐波电流实时跟踪仿真模型.利用Matlab/Simulink对带非线性负载的并网逆变器控制系统进行电流跟踪谐波抑制仿真,并研究逆变器离网独立运行时对负载的供能过程.仿真结果表明,该实时电流跟踪谐波抑制方法具有良好的跟踪性能和抗扰性能,与传统谐波抑制方法相比具有较强的鲁棒性,为深入研究整个系统的并网逆变以及搭建实验平台提供了依据.     

基于Nutch的页面排序算法研究

针对某一主题或学科的垂直搜索引擎是搜索引擎的延伸和细分,面向特定用户提供垂直搜索。网页排序算法是搜索引擎好坏的关键,搜索引擎网页排序算法的目的是从海量搜索结果中将主题相关和权威的网页排在前列,帮助用户查找所需的资源。 Nutch搜索引擎只实现了一个基本的综合排序模型,为了使Nutch更好地满足专业用户的需求,该文设计一个综合考虑主题相关性和网页权威性的综合排序模型,将主题相关度因子和改进后的PageRank算法因子融入到Nutch网页评分计算公式中。实验表明,改进的排序算法可以提高信息的查准率,具有明显的主题倾向性,在实际应用中发挥作用。     

基于目标分割与SVM的人数统计

该文实现了垂直摄像头下的实时人数统计。为减少场景中伪目标区域对人头检测的影响,首先利用背景建模法提取前景目标,并根据发色信息筛选前景目标。然后采用线性SVM训练得到的头部分类器识别头部,并将头部中心点作为运动人体的特征点,利用最近邻匹配法进行数据关联,完成行人的跟踪计数。不同场景下的视频测试结果表明,该方法能较准确地实现人数统计。     

基于向量法解决机器人正向运动学教学难题

为解决机器人正向运动学教学中大学生对位姿矩阵以及刚体变换难以理解的难题,以向量法建立了刚体的位姿矩阵,并以向量法推导了刚体绕空间任意轴线旋转的变换矩阵.以此为基础,证明了矩阵左乘和右乘所对应的不同刚体运动,最终利用矩阵右乘导出了D-H变换矩阵,从而建立机器人学正向运动学方程.     

数控机床主轴电机伺服驱动系统研究

针对CAK3665数控机床主轴电机,在分析数控机床主轴电机的工作原理、数学模型及控制策略的基础上,设计一套伺服控制系统。对控制系统进行仿真研究,结果表明,控制系统具有对故障的快速反应能力,并能完成控制要求,所设计系统具有可行性。     

基于随机激扰的某轨道车辆电机控制仿真研究

阐述了两轴轨道车辆的运行及结构特点,采用永磁同步电机驱动;深入研究了矢量控制的原理,搭建了一个基于矢量控制的转速、电流双闭环调速系统PI控制器;同步电机矢量控制系统进行了在不同运用状态下的电机转速控制仿真研究．仿真结果表明：在裁荷（扭转载荷）、运行速度同时变动以及叠加随机激扰的情况下,电机调速控制性能优良,电机电磁转矩能很好的跟随负载的变化而变化,控制系统能够达到稳定性、快速性的要求．     

云计算环境下基于SVM的数据分类

为了提高数据的分类效率和准确度,利用云计算提供的弹性集群平台来解决计算力伸缩性瓶颈,并用MapReduce编程模型对SVM进行Map和Reduce并行化处理,并将基于优化理论的遗传算法（ GA）引入SVM分类算法中对分类器参数进行优化,以分类器的准确率作为GA算法适应度函数,找出全局最优的模型参数和核函数参数值。经开源云计算平台Hadoop实验验证,数据分类的准确度有了明显的提高,整个分类过程的加速度几近呈线性增加。