基于PSO-SVM的离心式压缩机转速模型的研究

针对宁夏某石化公司离心式CO2压缩机透平转速预测难以实现问题,引入PSO-SVM回归模型对离心式压缩机透平转速进行预测.分析选取离心式压缩机透平转速作为模型因变量,通过相关分析从采集量中选取高相关度预测因子,运用粒子群算法选择模型最优参数,利用支持向量机的方法建立模型进行预测,与传统的SVM模型进行对比,该模型得到了良好效果,能够有效预测压缩机透平转速.     

改进PSO-SVM在说话人识别中的应用

为了加快粒子群优化算法的收敛速度,增强全局的搜索能力,通过对粒子群优化算法中惯性权重和全局最优值的分析,提出了一种根据迭代次数而自适应变化的惯性权重的粒子群优化方法。改进后的粒子群算法在防止陷入局部最优的能力方面有了明显的增强,同时,给出了应用粒子群优化算法训练支持向量机的方法,并将其应用于说话人识别。实验结果证实了在说话人识别中改进PSO-SVM方法比其他传统方法能获得更好的识别精度和识别速度。     

PSO-SVM与BP神经网络组合预测供水系统余氯的方法

针对余氯量在供水系统内非线性变化的特性,建立了PSO-SVM与BP神经网络组合模型对管网末端余氯进行预测分析。该模型通过粒子群优化算法（PSO）,对SVM的特性参数进行优化;采用BP神经网络对模型进行残差修正。通过对单一的BP模型和SVM模型、组合模型的预测精度进行分析。结果表明：组合模型预测比BP和SVM单一预测均方误差分别降低了62.30%、75.29%,平均相对误差降低了55.03%、54.27%。综上所述,该模型具有强大的非线性拟合能力,预测精度高,运行稳定性强,对供水企业控制余氯的投加量和设置二次加氯点有一定的指导作用。     

冲击地压危险等级预测的PSO-SVM模型

为了对冲击地压进行有效的预测,分析了冲击地压的主要影响因素,建立了基于粒子群优化支持向量机方法(PSO-SVM)的冲击地压危险程度预测模型,并通过实例,对PSO-SVM模型的预测效果进行了检验,同时还分别采用了BP神经网络(BP-NN)和支持向量机方法(SVM)对实例进行了预测,最后对三种方法的预测精度进行了比较分析,结果显示:PSO-SVM方法的预测精度要高于BP-NN和SVM方法的预测精度,可见,PSO-SVM预测方法对煤矿冲击地压危险程度预测具有一定的参考价值和指导意义.     

基于时频组合特征的PSO-SVM手势识别方法

为了提高基于表面肌电(sEMG)信号的手势识别的准确率,提出了时频组合特征和粒子群算法优化支持向量机(PSO-SVM)相结合的手势识别方法.将手势sEMG信号的时域特征和频域特征进行线性组合,组合后的时频组合特征作为分类特征,采用经PSO优化的SVM分类器对8类手势进行分类.结果显示,基于时频组合特征均方根值-平均功率频率(RMS-MPF)、绝对均值-平均功率频率(MAV-MPF)的手势识别率,优于它对应的时域特征、频域特征的手势识别率,同时也优于时频域特征的手势识别率.表明了基于时频组合特征RMS-MPF、MAV-MPF的PSO-SVM方法对手势识别有良好的分类效果.     

基于EEG的驾驶持续性注意水平PSO-SVM识别模型

为了对驾驶持续性注意水平予以有效识别,基于脑电(EEG)信号特征指标构建了一种持续性注意水平识别方法.以驾驶行为绩效为客观测评指标,提出了一种驾驶持续性注意水平等级划分方法.在此基础上,选取驾驶员EEG波段(θ(4~8 Hz)、α(8~13 Hz)、β(13~30 Hz))的频谱幅值及其组合指标(α+β)/β、α/β、(θ+α)/(α+β)、θ/β、(α+β)/θ作为特征指标,将粒子群优化(PSO)算法与支持向量机(SVM)相结合,构建了驾驶持续性注意水平识别算法.最后,基于驾驶模拟器实验数据对该模型予以试算.结果表明模型识别平均正确率可达93.02%.该方法可用于对驾驶员持续性注意水平的识别.     

基于PSO-SVM算法的长微博贴图识别方法

微博由于字数的限制,当用户需要发较多内容时通常以附图的形式给出,识别包含文本内容贴图的长微博能够为微博研究提供更多有用的数据.在支持向量机（SVM）的基础上结合粒子群算法（PSO）提出了一种识别长微博贴图的PSO-SVM算法.该方法提取长微博贴图的颜色矩和灰度共生矩阵特征,然后利用PSO算法对SVM模型中的误差惩罚参数和核函数进行优化得到最佳分类模型,其最优参数将被用作长微博贴图和非长微博贴图进行分类.实验表明,与传统的基于网格搜索法优化的SVM算法相比,PSO-SVM算法对长微博贴图识别具有更高的准确率和召回率.     

基于PSO-SVM及时序环节的数控刀架故障诊断方法

提出了一种基于粒子群-支持向量机(PSO-SVM)及时序环节的数控刀架故障诊断方法。首先,将数控刀架划分为5个子系统,并将一个工作周期划分为4个时序环节(T1、T2、T3、T4);其次,探索了数控刀架不同时序环节振动、电机电流、油压以及接近开关等信号的特征提取方法;最后,提出了基于PSO-SVM的数控刀架故障诊断方法,并开展了不同时序环节的数控刀架故障试验。根据故障数据对支持向量机(SVM)和PSO-SVM两种故障诊断方法进行了对比验证。结果表明:时序环节T2、T3和T4的故障诊断准确率分别提高了28%、23%和5%,验证了该故障诊断方法的有效性。本文方法不仅适用于数控刀架,还为其他复杂机电系统的故障诊断研究提供了一个新思路。     

分层考虑气象因素的PSO-SVM短期负荷预测方法

气象敏感负荷在总负荷中所占比重日益增大,实现提高预测精度这个目标的关键是如何更加合理地考虑气象因素对负荷的影响。利用经验模式分解方法自适应地将负荷序列分解为若干个独立的内在模式分量,采用Spearm an秩相关系数分析各负荷分量与气象因素间的关系,根据影响程度的不同分层建立粒子群算法优化参数的支持向量机模型,最后对各个分量预测的结果相加得到最终预测结果。实例研究表明,该方法具有较高的预测精度和较强的推广能力。     

基于后验概率的个人信用评估SVM模型

针对标准SVM模型在个人信用评估中单纯将消费信贷申请者划分为违约类或未违约类的不足,提出了利用基于后验概率的SVM模型进行个人信用评估的方法。利用商业银行的消费信贷数据进行的实证研究表明,基于后验概率的SVM模型通过将标准SVM的决策值转化为后验概率输出,能够对样本属于未违约的概率进行估计,并能够据此划分信贷申请者的信用等级,对于商业银行根据不同的经营目标制定相应的信贷政策更具有实践意义。     

个人信用评估组合模型选择方案研究

为准确评估借款人的信用和合理控制商业银行风险,首先对个人信用评分模型的常用模型进行了总结和归纳,然后通过分析比较说明了不同模型的准确性.在"坏样本"的区分与结果判断上采用加权方式,提出修正算法来确定信用评分模型中的指标权重,满足不同银行数据多样化的需要,提高评分模型精度.     

个人信用评分模型的发展及优化算法分析

为有效识别与计量个人信用风险,规避金融危机对商业银行的不利影响,保持我国信贷和金融市场的正常运转,对个人信用评分的主要模型及其发展进行了归纳,阐明个人信用评分研究中仍存在信用样本的有效性及完整性问题、信用指标体系的合理性问题以及模型的选择及适用性问题.鉴于此,基于相关性分析实现异常样本的预警,基于蒙特卡洛算法对样本进行补足;结合统计学模型及人工智能模型,采用步长遍历算法对指标体系进行优化及显著性加权;以精确度、稳健性、第1误判率、第2误判率及差异性作为选择指标,实现评分模型的选择与输出.分析表明:通过上述优化算法,将解决个人信用评分中存在的问题,提高商业银行的风险控制能力.     

A PSO-SVM Model for Short-Term Travel Time Prediction Based on Bluetooth Technology

The accurate prediction of travel time along roadway provides valuable traffic information for travelers and traffic managers. Aiming at short?term travel time forecasting on urban arterials, a predict...     

基于异类类内超平面的模糊支持向量机及其应用

针对如何基于不平衡信贷数据对借贷人的信用进行合理准确地评估问题,基于个人信用的统计数据,提出了一种新的个人贷款信用风险的评估方法。首先,构建了个人贷款信用风险评估指标体系,结合IV模型,对各特征进行重要性分析。其次,结合模糊数学理论,设计了一种基于异类类内超平面的隶属函数。最后,结合支持向量机,构建了一种新的个人贷款信用风险评估方法——基于异类类内超平面的模糊支持向量机。结果表明：个人贷款信用风险评估的可用额度比值、逾期30~59天的次数、逾期90天及以上次数以及逾期60~89天次数这4个指标的IV值均大于0.3,重要性较强,表明对贷款人的信用评估影响较大;所设计的隶属函数能对不同样本赋予不同权重,可充分体现不同样本的重要性;基于异类类内超平面的模糊支持向量机在一定程度上可以提高贷款人的信用风险评估精度,证明了该方法的有效性和可行性。     

个人信用评估的Logistic-RBF组合模型

针对个人信用评估中单一模型存在的不足,提出了利用组合预测模型进行个人信用评估的方法.基于不同单一模型在个人信用评估中所体现的优势,选择具有代表性的Logistic回归和径向基函数神经网络方法,建立了2种单一评估模型,在此基础上构建了基于二者的组合模型.利用某商业银行的数据进行2类模式的分类,应用结果表明,组合模型有效地提高了预测的精确性和模型的稳健性,对于商业银行控制消费信贷风险具有更好的适用性.     

基于GA-SVM的上市公司财务评价模型研究

财务评价是企业财务管理中的重要环节,本文在对传统财务评价方法的不足进行分析的基础上,结合财务管理理论和企业预警理论,采用GA-SVM方法建立上市公司财务评价模型。首先以沪深两市2007~2009年度A股上市公司为研究对象,以因财务状况异常而被列为特别处理的公司（ST公司）作为界定上市公司的财务危机标志,并以上市公司年报财务数据作为输入特征向量,然后将遗传算法与支持向量机相结合,通过实证方法建立上市公司财务评价模型,实证结果验证了该模型的有效性。