基于概率支持向量回归的产品设计时间预测模型

为使产品设计时间预测既克服小样本、异方差噪声问题,又提供除预测值以外的其他有用信息,建立概率支持向量回归(PSVR)模型。首先,在异方差回归模型基础上设计概率约束条件,以使预测值以较大概率位于真实值的某邻域,结合具有参数不敏感损失函数的支持向量回归确定优化目标,提出PSVR。然后,将最大完工时间知识嵌入进PSVR的约束条件,用以确定真实值邻域的宽度,将交叉验证与遗传算法相结合以确定PSVR的相关参数。最后,以注塑模具设计的实例进行分析,结果表明基于PSVR的时间预测方法可同时提供有效的预测值和预测区间。     

数据挖掘技术应用于存储粮品质变化预测

储备粮是国家的重要资源。由于粮食的生理特性等原因,使得粮食储存品质控制指标极易变化。本文从数据挖掘角度出发,在Logistic回归、决策树和多层感知器等技术基础上,利用现有数据构造模型对粮食储存品质控制指标是否变化做出预测,得到品质变化概率,对品质变化概率较大的扦样较早处理,为粮食存储管理提供理论支持。     

基于模糊支持向量机的产品设计时间预测

针对产品设计时间预测中存在的小样本、不确定性数据和异方差噪音等问题,将模糊回归理论与par--SVM相结合,基于Necessity模型构造约束条件,提出了par-F-SVM,并给出了相应的设计活动时间智能预测方法和相关参数的优选算法.最后通过注塑模具设计的实例分析表明了所提出的基于par-F-SVM的时间预测方法是有效、可行的.     

基于核近似的产品设计时间预测

针对产品设计时间预测中存在的小样本、不确定性数据等问题,将不确定数据处理成区间数,引入Hausdorff距离以计算区间数向量之间的距离,并将含有区间数的知识设计转换成核近似可嵌入的线性不等式,提出相应的产品设计时间智能预测方法,给出相关参数的优选方法.进行了注塑模具设计的实例分析,结果表明基于嵌入知识的核近似的时间预测方法是有效的.     

基于PSO与LS-SVM的作物需水量预测

为了提高作物需水量预测精度,提出基于粒子群优化算法(PSO)优化最小二乘支持向量机(LS-SVM)的预测模型。该模型以空气湿度、温度、太阳辐射以及风速为输入,利用多项式核函数和径向基核函数的非负线性组合构造核函数,将粒子群优化算法(PSO)与交叉验证方法用于确定模型参数。实验结果表明与神经网络和随机森林相比,PSO优化的LS-SVM可获得更好的预测精度和泛化能力,可用于节水灌溉,具有较高的应用价值。     

基于神经网络的突跳式温控器产品编码识别方法

针对突跳式温控器产品编码金属表面反光、凹凸不平以及采用钢印字符导致产品编码识别率下降等问题,提出将字符图像的灰度特征、字符分块占空比以及字符8个特征点之间线段总长度作为神经网络输入的编码识别方法。首先对图像中产品编码区域进行提取、滤波去噪、二值化和字符分割等处理工作;再把分割后的字符归一化为16×16维的图像;最后通过MATLAB编程仿真和工业现场实验得出的结果表明,该方法实现了对温控器编码字符的准确识别,提高了温控器编码相似字符的识别率。