基于遗传算法的支持向量机分类器模型参数优化

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在理论上保证了模型的最大泛化能力,因此与建立在经验风险最小原则上的神经网络模型相比,理论上更为完善。本文运用支持向量机建立模式识别分类器模型,研究影响模型分类能力的相关参数,在分析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分类器模型的参数自适应优化算法。最后,用算例表明了本文算法的正确有效性。     

基于粒子群优化的最小二乘支持向量机在时间序列预测中的应用

为提高基于最小二乘支持向量机（LSSVM）的时间序列预测方法的泛化能力与预测精度,研究了一种基于粒子群优化（PSO）的LSSVM。该方法以交叉验证误差为评价准则,利用PSO对多个具有不同超参数的LSSVM进行基于迭代进化的优化选择,并以交叉验证误差最小的LSSVM作为最终优化后的LSSVM。时间序列预测实例表明,经PSO优化后的LSSVM的预测精度高于未经优化的LSSVM与传统时间序列预测方法的预测精度。     

应用遗传算法优化支持向量机的疲劳裂纹扩展预测

准确讯速地预测疲劳裂纹的扩展进程具有十分重要的现实意义和显著的经济效益.为了实现疲劳裂纹长度的准确预测,提出基于遗传算法优化支持向量机(GA-SVM)的疲劳裂纹扩展预测方法,其中遗传算法用于确定SVM中的训练参数,得到优化的SVM预测模型.试验结果表明:用GA-SVM对疲劳裂纹长度进行预测具有很好的预测精度.     

基于遗传算法优化的支持向量机在齿轮故障声发射检测中的应用

支持向量机能够在训练样本较小的情况下,避免过学习现象,使泛化能力最大化。研究了支持向量机的参数无法自适应进行选取的问题,利用遗传算法具有全局搜索的性质,对支持向量机的参数选取进行最优化处理,得到支持向量机的最优参数。应用此法对齿轮故障声发射检测进行了研究,实验系统由PCI-2声发射系统和旋转机械振动故障模拟试验台组成,齿轮故障分类的精度比优化之前提高了10%,对齿轮故障诊断具有重要意义。     

基于支持向量机和遗传算法的柔性砂带磨削刀具状态研究

砂带磨削过程中,磨粒的磨损会影响材料去除率以及零件表面质量.针对砂带磨削过程中刀具状态预测问题,采用基于支持向量机和遗传算法的预测模型实现砂带磨损状态的有效预测,并对预测效果进行仿真验证.简化砂带磨削工艺,构造磨削工艺数学模型.引入K值最近邻算法作为遗传算法的适应度函数,构造了基于支持向量机和遗传算法的预测模型.采用M...     

基于进化SVM的洞室位移非线性时间序列智能分析

考虑地下工程的复杂性和洞室围岩变形的非线性特点,提出了一种利用遗传算法优化支持向量机参数的进化支持向量机围岩位移时间序列预测方法.该方法不但克服了神经网络的过学习问题,也解决了支持向量机的参数选取问题.基于该方法,结合数据库技术建立洞室位移变形非线性时间序列计算机智能分析系统.将该系统用于水布垭电站地下厂房交通洞监测位移分析,获得满意的预测精度.     

基于具有高斯损失函数支持向量机的预测模型

鉴于∈-不敏感损失函数的标准支持向量机对产品销售时序的预测效果不好,提出一种采用高斯函数作为损失函数的支持向量机,给出相应的产品销售短期智能预测方法和参数优选算法.最后以汽车销售实例进行分析,表明基于高斯损失函数的支持向量机的短期预测方法是有效可行的.     

基于支持向量回归机的切削力预测

针对神经网络方法在切削力预测方面存在的缺陷,提出了一种新的基于支持向量回归机的切削力智能预测方法。分析了以往切削力预测模型中输入参数和输出参数的选择问题,在此基础上选择轴向切深、进给量、主轴转速和曲面半径四个关键指标作为预测模型的输入,选择XY平面上的切削力合力和轴向切削力作为预测模型的输出,进一步建立了基于支持向量回归机的切削力预测模型。仿真实例的预测结果表明,建立的智能切削力预测模型合理有效。     

遗传算法和支持向量机在机械故障诊断中的应用研究

提出一种基于遗传算法和支持向量机的故障诊断方法,利用遗传算法对故障特征集和支持向量机的参数同时进行优化,然后把优化选择的故障特征输入支持向量机进行故障识别.既剔除了故障特征的冗余性、减少了计算量,又解决了支持向量机的参数难以选择等问题.诊断实例表明,该方法能利用较少的故障特征得到较高的诊断精度.     

基于双目标优化遗传算法和支持向量机的旋转机械退化状态识别

退化特征提取是机械健康状态监测的重要组成部分,伴随旋转机械长时间连续运转,退化特征出现性能波动甚至下降,给退化特征提取和选择造成了困难.首先利用一个特征映射算法库对振动信号提取特征,并基于Kolnogorov-Smirnov (KS)检验和Benjamini-Yekutieli过程对原始特征集进行过滤,然后利用双目标优化遗传算法(Bi-objective Optimization Genetic Algorithm,BOGA)结合支持向量机分类器(Support Vector Classifier,SVC),在有监督的环境下搜索出最佳特征子集,其中BOGA设置了SVC分类精确度和特征子集维数两个目标函数,前者进行最大化,后者进行最小化.通过在液压泵退化状态数据集上进行实验和在凯斯西楚大学轴承数据集与FRESH_PCAa、ReliefF、JMIM三种方法进行对比,验证了该方法在退化状态识别上的较好性能.     

基于单类支持向量机的织物瑕疵检测研究

为了实现在工业环境下的织物瑕疵在线检测,提出了一种基于单类支持向量机(OCSVM)的织物异常纹理检测方法。通过利用CCD采集织物图像,滤除图像噪声后提取了图像小区域窗口子图像特征;通过实验寻找了两组有效的特征向量,对特征值进行了归一化和主成份分析降维后导入支持向量机分类器中进行了训练,利用单类SVM对异常区域进行了定位和标记。通过对分别利用两组特征向量识别出的图像结果进行组合得到了最后的瑕疵区域。实验结果表明,该算法能够正确地对多种瑕疵进行识别,并能较大程度降低误检率和漏检率;同时,能够有效解决生产实际中瑕疵训练样本难以获取的问题,对未知的待测样本有较好的推广性,可以适应工业检测的要求。     

基于扩展的径向基函数核支持向量机的产品销售预测模型

针对产品销售时序具有多维度、非线性的特征,通过设计一种扩展的径向基函数核函数,将其应用于支持向量机中,得到一种扩展的径向基函数核支持向量机;设计了一种改进的免疫优化算法对其参数进行寻优.将该方法应用于汽车销售预测实例中,并与反向传播神经网络、采用一般径向基函数核的支持向量机及多尺度支持向量机进行了比较.实验结果表明该方法可行有效,其预测精度优于其他三种方法.     

基于支持向量机回归机的曲面拟合技术

提出了一种基于支持向量回归的点云曲面重构方法,从点云中按一定规则取样得到小样本集,以小样本集为支持向量,并以径向基函数为核函数重建复杂线性函数曲面模型。实验表明该方法能直接重建散乱点云数据．拟合出曲面模型且具有较好的效果,并具有误差小、速度快等优点。     

基于支持向量机的布匹图案匹配算法设计

为了解决布匹印花过程中能够快速实现模板匹配的问题,提出了一种基于支持向量机(SVM)的匹配算法.匹配算法采用两级分类器,首先对样本布匹图像进行二值化和轮廓提取等处理得到了图像中各种图形的轮廓曲线,选择模板图形的轮廓曲线长度和面积作为简单特征量,建立了基于置信区间的分类器作为一级分类器,实现了初步匹配;然后提取模板与非模...     

最小二乘支持向量机模型的简化结构研究

针对LS-SVM模型复杂度高的问题．本文提出了一种简化模型的思路。在保证LS-SVM模型性能不变的前提下,通过该模型的少量输入输出样本,利用LS-SVM建模进一步拟合该模型。使得到的新模型的复杂度降低。仿真试验表明。本文给出的模型简化方法是有效的。     

A novel fault diagnosis model for gearbox based on wavelet support vector machine with immune genetic algorithm

A novel intelligent diagnosis model based on wavelet support vector machine (WSVM) and immune genetic algorithm (IGA) for gearbox fault diagnosis is proposed. Wavelet support vector machine is a powerful novel tool for solving the diagnosis problem with small sampling, nonlinearity and high dimension. Immune genetic algorithm is developed in this study to determine the optimal parameters for WSVM with the highest accuracy and generalization ability. Moreover, the feature vectors for fault diagnosis are obtained from vibration signal that preprocessed by empirical mode decomposition (EMD). The experimental results indicate that this proposed approach is an effective method for gearbox fault diagnosis, which has more strong generalization ability and can achieve higher diagnostic accuracy than that of the artificial neural network and the SVM which has randomly extracted parameters.     

基于SVR-GA算法的广义加工空间机床切削稳定性预测与优化研究

针对机床零件加工位置和进给方向不确定造成刀尖频响函数变化,导致切削稳定性叶瓣图与无颤振工艺参数预测具有不确定性问题,提出一种耦合支持向量回归机(SVR)与遗传算法(GA)的切削稳定性预测与优化方法。该方法采用锤击法模态实验和空间坐标变换,获取样本空间不同加工位置与进给方向的刀尖频响函数;进而结合传统切削稳定性预测方法构建以各向运动部件位移、进给角度、主轴转速、切削宽度、每齿进给量为输入的极限切削深度SVR预测模型;采用该SVR模型作为切削稳定性约束建立材料切除率优化模型,通过遗传算法求解各运动轴位移、进给角度与切削参数的最优配置。以某型加工中心展开实例研究,实验结果表明获取的优化配置能实现稳定切削,验证了该方法的有效性。     

CLS-SVM:一种时间序列预测的局部建模方法

针对LS-SVM应用于大样本时间序列预测时存在的计算复杂度高和泛化能力降低的问题,提出一种采用局部模型的时间序列预测方法.该方法采用K-means算法对训练样本进行聚类,并以VRC原则确定最佳聚类数,然后利用LS-SVM对聚类后样本进行局部建模;同时,针对一般LS-SVM建模过程中共轭梯度方法计算效率低的问题,采用Cholseky分解方法以实现计算效率的提升.仿真实验和应用测试表明,该方法用于大规模数据分析时,可在保持预测精度的前提下,提高训练效率5 ～ 28倍,在降低计算复杂度的同时,有效地提高了模型的泛化能力.     

基于支持向量机工具的性能劣化建模方法

针对基于故障数据的数控装备可靠性研究中的小样本问题,提出了建立基于支持向量机的性能劣化模型.在研究支持向量机的建模理论和参数优化方法的基础上,将最小二乘法支持向量机工具LSSVM.M应用于性能退化数据处理,提出一种改进的参数选择方法,以提高拟合和预测准确性.通过实例,验证了该方法的可行性,并建立了数控机床加工精度的性能劣化模型,为可靠性评估奠定了基础.     

基于支持向量机属性约简集成的模拟电路故障诊断

针对模拟电路故障数据存在大量无关或冗余特征的特点,为进一步提高故障诊断准确率,提出支持向量机属性约简集成的模拟电路故障诊断新方法.首先证明一致决策表属性约简与集合覆盖的等价性,将最优属性约简问题转化成最小集合覆盖问题;然后在结合混沌优化产生初始信息素分布和进行混沌扰动的基础上,设计求解最小集合覆盖问题的混沌蚁群算法;最后给出基于属性约简集成的模拟电路故障诊断模型.用双二次滤波电路对算法进行验证,取得97.8%的故障诊断准确率,与其他方法进行比较,结果显示了本文方法的优越性.