基于小波支持向量机的数字通信信号调制识别

通信信号自动调制识别在电子战、电子侦察中起着重要的作用。通信信号调制识别的任务是确定信号的调制类型和参数。支持向量机是一种新的通用机器学习方法,这种方法被广泛地应用在模式识别、回归估计和概率密度函数估计中。本文在详细分析了数字调制信号的特点以及小波变换提取瞬态特征原理的基础上,提出了一种利用小波变换支持向量机对数字调制信号进行识别的新方法。该方法通过小波变换将输入向量映射到一个高维特征空间,在这个特征空间内,通过构建最优分类面,即可以用支持向量机对数字调制信号进行分类。计算机仿真结果验证了该方法在不同信噪比条件下具有良好的性能。     

一种基于支持向量机的三维物体识别方法

提出从三维物体的二维图像中提取仿射不变傅氏描述子、色彩矩及纹理特征,组成一个25维的特征向量,送入支持向量机训练并用于三维物体识别。算法利用了仿射不变傅氏描述子在物体发生仿射形变时具有不变性,利用色彩矩和纹理特征区分形状相似但有不同颜色及纹理的物体,并引入支持向量机作为分类器。基于三维物体图像数据库COIL-100测试了算法的识别性能。当每个物体训练样本图像数量为36个（视角间隔10°）时达到了100％的识别率,进一步减少训练视角数量也达到较满意的识别性能。     

基于小波包分解和支持向量机的局部放电识别方法研究

高压开关柜发生局部放电时产生的信号中存在着大量的信息,局部放电作为开关柜绝缘故障的重要征兆及表现方式,其类型的识别对于开关柜绝缘状态的评估具有重要的意义。为了准确地识别高压开关柜局部放电类型,提出了一种基于小波包分解和支持向量机(SVM-Wavelet)的局部放电识别方法,采用小波包分解的方法对局部放电信号进行分解并提取能量信息,组合成特征向量,在此基础上利用支持向量机(SVM)建立高压开关柜局部放电信号分类模型。结果表明小波包分析方法能很好地处理非线性、非平稳的局部放电信号,基于SVM-Wavelet的方法可以准确地识别局部放电类型。     

基于支持向量机的齿轮箱齿轮故障诊断

通过对风机传动系统中齿轮故障进行模拟试验,构建结构风险最优的支持向量机（SVM）网络,对采集到的电磁速度信号进行快速傅里叶分解,选取高频段的频谱特性作为分量进行样本化学习,完成对齿轮故障样本的训练,使SVM具备分类功能.最后,采用SVM对齿轮箱试验台齿轮故障进行诊断分类识别,取得较好的效果,说明齿轮故障信号高频特性所包含故障信息在整个频谱中的有效性以及SVM作为一种故障诊断方法的实用性.     

支持向量机的低压故障电弧识别方法

故障电弧是引发电气火灾事故的主要原因之一。该文将支持向量机引入故障电弧研究领域,进行不同负荷情况下故障电弧识别检测。首先参照美国UL1699标准进行实验采集电流数据,然后利用支持向量机实现故障电弧训练、检测识别,并对训练、识别结果进行分析,实验证明本文的检测方法具备一定的泛化能力。     

基于支持向量机（SVM）的汽车车型识别

本文研究了一种基于支持向量机(SVM)的车型图像识别算法。采用图像边缘检测方法,该方法首先基于邻域灰度极值提取边界候选图像,然后以边界候选像素及其邻域像素的二值模式作为样本集,进行运动目标分割并提取具有RST不变性的轮廓特征向量,输入支持向量机进行训练和识别。此外,该算法与传统的算法比较,使用核函数少,计算量小,能较好地解决小样本、非线性和局部极小点等问题。实验表明,基于支持向量机(SVM)的车型图像识别算法具有更好的性能。     

一种基于多类支持向量机的故障诊断算法

主要研究了多类支持向量机算法,及其在多类故障诊断问题中的运用.考虑到传统"一对一"算法和"一对多"算法的局限,提出了基于遗传算法的决策树支持向量机,利用遗传算法的全局随机搜索性能来构造决策树.根据样本数据的分布,遗传算法的适应度函数定义为两个子类集聚类中心之间的距离,使得在决策树的每一个节点最可分类别尽可能分开.通过对三个数据集进行仿真分析,表明该算法的性能优于两个传统算法,具有更高的推广能力,验证了算法的有效性.     

改进多分类支持向量机的配电网故障识别方法

准确识别故障是配电网故障定位与治理研究的实现前提。提出以故障分量均方根及欧氏距离为特征量,结合改进多分类支持向量机(SVM)的配电网短路故障识别方法。首先,对馈线三相电流及母线零序电压故障后一周波的故障分量进行小波分解,并重构第2层的近似分量;其次,求取重构信号的均方根及欧氏距离作为特征向量;最终输入至改进多分类支持向量机完成配电网故障类型识别。10kV典型配电网软件仿真模型的与配电网物理仿真实验系统测试结果表明,所提出方法不但可高准确率地识别典型中压配电网常见故障,且能适应于中性点运行方式调整、分布式电源并网后等情况,验证了方法的准确性与适应性。     

一种基于支持向量机的电能质量综合评价方法

电力市场环境下,对电能质量进行综合评价是衡量电能优劣与制定电价的重要依据。首先对电能质量的评价等级进行了细化并确定了一套新的分级标准,然后针对现有电能质量综合评价方法的不足,提出了一种基于支持向量机（SVM）的电能质量综合评价方法。实例计算结果表明所提出的支持向量机电能质量综合评价方法结构简单、思路清晰且能真实、准确地反映电能质量状况。     

基于支持向量机的配电网重构

配电网重构可以表述为模式识别问题。通过建立配电网的结构模式,并利用基于结构风险最小化原理的支持向量机,提出了一种配电网重构模式识别模型的构造方法。该方法利用支持向量机在解决有限样本、非线性及高维识别中的优势,提高了模型的泛化能力,同时结合配电网的特点利用同胚图建立了配电网的结构模式,解决了建模过程中输出空间难以确定和表达的问题,使模型能够适用于有一定规模的配电网络。算例表明所提出的方法可以在有限样本下取得较好的预测效果。     

基于机器视觉的啤酒瓶口缺陷检测分类方法研究

针对目前国内玻璃空瓶机器视觉检测系统存在瓶口缺陷分类检测精度不高的问题,提出一种基于机器视觉的可靠的检测方法。首先选取封盖面缺口、外环口崩口、口缘毛刺、口面磨损、内环口崩口、封盖面破裂等6种常见缺陷类型作为分类目标,研究6种常见瓶口缺陷类型图像的表面特征,提出以灰度方差等6种瓶口的缺陷特征构成支持向量机(SVM)分类算法的输入向量,并择优选择径向基(RBF)函数作为SVM分类器的核函数,然后根据瓶口缺陷的分类性质选择多类分类方式中的一类对余类法(OVR)设计相应的SVM。最后,每种缺陷都选取80个样本对所设计SVM分类器进行训练学习与测试。测试结果表明:设计的SVM分类器能较精准地检测出6种常见的瓶口缺陷类型,识别率为91.6%,满足生产企业对机器视觉检测系统缺陷分类识别的要求。     

基于支持向量机的动态电能质量扰动分类方法

将支持向量机SVM(SupportVectorMachine)引入到动态电能质量分类问题中。在Matlab中编程建立了谐波、电压暂升、电压跌落、瞬时中断、电压波动、瞬变6种常见动态电能质量扰动数学模型,利用傅里叶变换和小波变换对产生的样本波形进行特征提取,产生训练和测试样本。给出了利用LIBSVM解决电能质量扰动分类问题的步骤,并根据分类结果对影响分类效果的参数进行了分析。对训练好的支持向量分类器进行测试,效果良好,当采用C-SVC,RBF核时调整参数可以得到最优分类效果,最高分类率可达到96.67%。     

统计特征参数及多分类SVM的局部放电类型识别

局部放电模式识别是诊断变压器绝缘状况的一种有效方法,为提高局部放电类型识别的正确率,提出了基于统计特征参数及多分类SVM的局部放电类型的识别方法。在实验室设计了4种典型的变压器故障缺陷,采用统计特征参数法提取各局部放电图谱的27种特征量,引入M-ary分类思想,将支持向量机的两类分类问题扩展为多类分类,使训练计算量和测试计算量大大减少。实验结果表明,该方法用于局部放电类型识别具有较好地识别效果,并且计算速度快。     

基于不变矩和SVM的圆形交通标志识别方法研究

针对道路交通标志的自动识别问题,通过不变矩和支持向量机(SVM)方法对圆形标志图像识别方法进行研究。首先根据交通标志的颜色和形状信息对采集到的原始图像进行颜色分割、形态学去噪和形状检测等处理,获得图像中包含交通标志的区域。然后分别对标志图像进行Hu矩和Zernike矩的特征值提取,将特征值输入SVM中进行训练并采用网格搜索法对SVM进行参数优化,最后使用优化后的支持向量机方法实现交通标志的识别。实验表明,与现有的其他交通标志识别算法相比,采用高阶Zernike矩与优化后SVM的识别方法有更好的识别效果。     

基于KPCA和SVM的直升机旋翼桨叶损伤源定位

直升机旋翼桨叶在飞行过程中极易发生疲劳损伤,为了解决桨叶损伤源定位问题,构建了桨叶损伤监测及定位系统。通过核主成分分析(KPCA)对损伤源的声发射信号进行特征提取,结合支持向量机(SVM)及其回归功能对旋翼桨叶模型损伤源进行定位。使用特征提取后的参数区域损伤定位精度达到100%,回归分析平均误差率4.06%,均优于使用原始数据进行定位,因此该方法能够有效实现直升机旋翼桨叶损伤源定位,并且减少了输入数据的维数,降低了计算量。     

基于改进的SVM的电能质量复合扰动分类

本文利用支持向量机对电能质量复合扰动进行分类,解决其多重分类问题,为了提高其整体分类的准确率,对支持向量机中的核函数进行了改进。考虑到特征向量在核函数中心位置的聚集程度会影响支持向量的数目,本文在核函数中引进一个径向宽度因子和一个幅值调节因子,从而解决传统核函数存在的问题,减少支持向量数目,降低计算复杂度。将改进后的算法应用到电能质量复合扰动分类中,验证所提方法对于电能质量复合扰动分类不仅具有可行性,并且有较高的分类准确率。从仿真实验结果可以看出,改进的方法对常见的7种单一电能质量扰动信号和5种电能质量复合扰动信号能够进行分类,相对原算法提高了分类准确率。     

基于支持向量机和噪声估计的宽带频谱感知方法

频谱感知技术是认知无线电的核心技术之一,由于未来无线通信技术的发展对高速数据通信的需求,使得宽带频谱感知技术成为目前研究的重点方向。由于宽频带带宽较宽不能直接将整个频段划分为占用或者空闲,需要对宽频带进行细分。将信号划分为多个子频带,通过预处理将多元分类问题转化成二元分类问题。为了降低频谱感知的算法复杂度,提出了基于噪声估计（estimation of noise,EN）和支持向量机（support vector machine, SVM）的频谱感知算法,该算法利用检测性能较好的慢速感知算法作为噪声估计,再使用算法复杂度低的快速感知算法结合噪声估计的信息进行频谱感知。实验结果表明,在低信噪比下,该算法较传统的方法其检测性能有着明显的提高,在信噪比为-10 dB的无线环境中能够完全识别各个子信道的使用情况。     

基于提升小波变换的模拟电路故障特征识别

模拟元件的非线性属性导致电路特征集异常庞大,当故障电路响应出现一定带宽的随机分量与主频分量相互叠加,信号频谱中的故障特征频率及其2、3次谐波附近的边频带均出现显著增长。由于提升小波算法的预测和更新原理与故障信息紧密相关,预测器和更新器设计可替代小波基的选取。本文首先将响应信号经过提升小波变换,对蕴含大量故障信息的高频细节部分进行Hilbert调制分析,从包络谱中剔除载频的常规分量,随后通过特征频率识别技术实现数据降维处理和故障定位。最后通过一个实例验证了该方法完全胜任模拟电路故障特征频率识别。     

Mass detection algorithm based on support vector machine and relevance feedback

To improve the detection of mass with appearance that borders on the similarity between mass and density tissues in the breast, an support vector machine classifier based on typical features is designed to classify the region of interest (ROI). Furthermore, relevance feedback is introduced to improve the performance of support vector machines. A new mass detection scheme based on the support vector machine and the relevance feedback is proposed. Simulation experiments on mammograms illustrate that the novel support vector machine classifier based on typical features can improve the detection performance of the featureless classifier by 5%, while the introduction of relevance feedback can further improve the detection performance to about 90%. __________ Translated from Journal of Xidian University, 2007, 34(2): 239–245 [译自: 西安电子科技大学学报(自然科学版)]