一种基于布尔核SVM的人脸识别策略

针对人脸识别问题,给出基于布尔核的SVM识别策略,该策略首先应用K-L变换对人脸图像进行特征参数的提取,然后将提取出的特征进行0-1化处理,用于构造基于布尔核的SVM。在标准人脸库ORL上的试验结果表明,基于布尔核函数的SVM在分类准确率上明显高于传统PCA算法,同时,也优于线性SVM。     

一种SVM不平衡分类方法及在故障诊断的应用

针对支持向量机不平衡样本分类倾斜性问题,提出一种欠采样支持向量机分类器。构建包含少类样本的最小封闭超球体,计算各个多类样本到包含少类样本最小封闭超球体球心的距离,利用该距离对多类样本进行欠采样,产生新的训练集,实现训练集的平衡。该方法和其他不平衡分类方法在基准数据集的分类结果表明该方法在识别率和分类速度方面的有效性。将该方法应用于永磁同步电机驱动电路功率开关管开路故障诊断中,结果表明该方法缩短故障分类器的训练时间,提高了故障分类器的泛化能力和诊断速度。     

一种基于壳向量的SVM快速增量学习算法

该文提出了一种新的支持向量机学习算法-基于壳向量的增量学习算法(HVISVM).选取一部分最有可能成为支持向量的样本-壳向量,再进行SVM增量学习.由于提取壳向量的过程只需线性规划运算,之后的训练过程又只需处理原训练样本中的一部分;增量学习既能继承先前所学习的知识,又能减少由于新样本的加入而重新学习的时间.使整个算法的训练速度大为提高.与经典支持向量机的快速算法比,精度相当,但速度可以提高数倍以上.     

基于粒子群算法的决策树SVM多分类方法研究

针对SVM多分类问题提出了一种基于粒子群算法的最优决策树SVM生成算法,以解决传统支持向量机多分类方法存在的不可分区域和误差积累现象。该方法利用自变异的PSO聚类算法在每一决策节点自动寻找最优或近优分类决策,将数据集划分为两类,直至叶子节点为止,最终根据最优决策树构建SVM多分类结构,训练各个节点SVM分类器。将该算法应用于图像人群密度分类问题,仿真实验表明,分类精度和分类时间得到明显改善,是一种有效地的多分类算法。     

基于SVM的行人步态实时分类方法

针对行人行走和跑步步态差异会影响行人定位精度的问题,提出一种基于支持向量机(support vector machine,SVM)的步态实时分类方法,将行人步态分为行走和跑步2类。行人步态原始数据由安装于足部的加速度计和陀螺仪提供,通过对原始数据进行坐标系转换、快速傅里叶变换(fast fourier transform,FFT)和数据降维等步骤建立 SVM的训练数据输入量。算法采用测试多组匀速或变速的行走和跑步数据进行实验验证,以支持向量空间中的高斯分布作为判断依据。结果表明,SVM的实时分类成功率达到98.6%以上。     

基于SVM的电能质量扰动分类

电能质量扰动信号数据庞大,数据提取较难。本文对常见的电能质量扰动及其组合的复合扰动进行离散小波分解,提取PQ(Power Quality)扰动信号能量差作为特征向量,以此降低扰动分类的数据量。利用MATLAB软件产生PQ扰动训练和测试样本,在扰动样本中加入SNR=25d B的高斯白噪声,利用SVM对扰动样本进行分类,提出两步网格搜索法对SVM的参数进行优化。仿真实验结果表明,此分类方法具有较高识别率,证明该算法的准确性和鲁棒性。     

一种基于二分类的电压暂降源定位方法

电压暂降源定位实质是根据暂降源位置敏感的物理量,来确定暂降源位于监测点的上游或下游位置,模式识别上属于二分类问题。提出了一种基于智能分类的电压暂降源定位方法。分析回顾了现有的几种典型暂降源定位方法及其判据,通过判据研究提取源位置敏感的多个定位特征量,并采用支持向量机智能算法对已有故障诊断结果进行学习,从而在该多维特征空间构建判别上下游的最优分类面,利用此最优分类面(即为二分类支持向量机)实现基于二分类的暂降源定位。测试数据表明,该方法能够有效实现电压暂降源定位,定位准确率高且所需计算时间短。     

基于HRM特征提取和SVM的目标检测方法

在航拍图像的目标检测中,由于目标外部形态以及复杂背景的影响,对一个有效的航拍目标检测仍然是目标识别领域的一个巨大挑战。提出了一种基于Hu矩、径向矩(Radial moment)组成的HRM(Hu Radial Moment)特征和支持向量机(SVM)的目标检测方法。该方法为首先提取目标的Hu矩特征,并结合其各向同性的径向矩特征共同构成新的特征向量HRM,然后采用支持向量机来对特征进行分类、预测。实验结果表明,针对不同的目标外部形态和复杂的外部场景,所提出的方法具有较高的检测率,且是高效的。     

一种基于最小二乘支持向量机的年电力需求预测方法

针对电力系统年用电量增长的特点,将最小二乘支持向量机LS-SVM(least squares support vector machine)回归模型引入年电力需求预测领域,并给出了相应的过程和算法.与常规基于人工神经网络ANN(artificial neural networks)的智能预测方法比较,该模型优点是明显的:1)将神经网络迭代学习问题转化为直接求解多元线性方程;2)整个训练过程中有且仅有一个全局极值点,确定了预测的稳定性;3)将年电力需求预测的外插回归问题转换为内插问题,提高了预测精度.应用实例表明:该模型实现容易、预测精度高,更适合年电力需求预测.     

一种基于最小二乘支持向量机的年电力需求预测方法

针对电力系统年用电量增长的特点,将最小二乘支持向量机LS-SVM(least squares support vector m a-ch ine)回归模型引入年电力需求预测领域,并给出了相应的过程和算法。与常规基于人工神经网络ANN(ar-tific ial neural networks)的智能预测方法比较,该模型优点是明显的:1)将神经网络迭代学习问题转化为直接求解多元线性方程;2)整个训练过程中有且仅有一个全局极值点,确定了预测的稳定性;3)将年电力需求预测的外插回归问题转换为内插问题,提高了预测精度。应用实例表明:该模型实现容易、预测精度高,更适合年电力需求预测。     

纳米材料在电工行业中的应用

本文根据纳米技术的发展和电工行业的特点,介绍了纳米技术和纳米材料在电工、电力系统中的应用。因为当物质被“粉碎”到纳米级细小并制成的“纳米材料”后,不仅光、电、热、磁性发生变化,而且具有辐射、吸收、吸附等许多新特性。利用这些独特的性能,结合电工行业的特点,必将大大推动电力电工行业的技术进步,实现能源的高效、可靠和清洁的转化。总结了纳米材料用于磁性材料、电化学电池、绝缘填充材料和绿色照明工程等方面的情况,尽管已对纳米材料的制备、结构与性能进行了大量的研究,但在基础理论及应用开发还刚刚开始,还有大量的工作尚待进行,纳米材料和技术在电工电力系统中的应用也还有待进一步的推广和开发。     

电力企业计算机物资管理系统应用初探

介绍了电力企业通过使用计算机物资系统使企业的物资管理水平上了一个台阶，使物资管理部门及使用部门能及时得到第一手信息，同时进行计划调整，这样可以降低成本，提高工作效率。     

短期电力负荷非线性预测模型的比较

总结和分析了目前流行的电力系统短期负荷非线性预测方法,包括时间序列法、组合预测法、神经网络法、小波法和支持向量法。通过实例说明它们在电力系统短期负荷预测中计算速度和精度。     

基于MFCC和支持向量机的装甲车辆识别研究

针对地面战场装甲车辆目标的被动声识别问题,选取具有代表性的两类坦克和两类履带式装甲车作为识别对象,以卡车噪声和雷声信号作为干扰项,对噪声信号进行预加重、分帧加窗、计算功率谱后输入梅尔滤波器组,得到噪声信号的MFCC并计算平均值作为特征值构建特征向量,以支持向量机作为分类器,建立了一种装甲车辆识别方法,该方法对目标的识别率可达95%以上。研究结果表明,该方法对坦克及装甲车辆的识别效果较好,可以有效抵抗战场非战斗目标噪声信号的影响,为战场决策提供准确信息。     

电力系统短期负荷预测方法研究综述

通过对国内外现状的研究,简述了短期负荷预测的特点和影响预测精度的各种因素,阐述了电力系统短期负荷预测的智能方法,分析比较了各种方法的优缺点。研究表明组合优选方法是电力系统短期负荷预测的发展趋势。     

系统动力学方法的中长期电力需求预测

介绍将系统动力学方法运用于电力需求量的中长期预测中。该方法能够全面地考虑各种因素对中长期电力需求的影响 ,充分发挥电力专家与经济专家的经验 ,将他们的预测经验与模型化预测方法相结合 ,较好地解决了中长期电力需求受政策性和社会性因素影响而造成的预测误差问题。模型使用者可以在使用中不断总结经验提高预测精度     

基于支持向量机的输电线路故障诊断分类

基于支持向量机SVM(Support Vector Machine)的输电线路故障分类方法,可利用Matlab6.5仿真输电线路故障得到两组不同类型故障的数据。结合Matlab6.5环境下SVM工具箱进行编程,建立SVM故障分类器对测试样本进行测试。结果验证了该故障诊断方法的可行性。     

电力物资企业物流管理模式初探

初步探讨了电力物资企业管理模式的演变，根据现阶段企业发展情况提出了电力物资企业物流联盟的物流解决方案。     

基于本体的电力调度控制专业知识表示研究

知识表示是企业知识管理系统的基础,随着企业专业知识的复杂性不断增加,已有的企业专业知识表示方法已不能充分满足更广泛的知识共享需求。基于此,本文探讨了电力调度控制专业知识本体构建三阶段,提出了基于本体的电力调度控制专业知识库系统框架。