基于统计特征的人脸识别研究

奇异值特征向量是用于图像识别的有效代数特征,但直接用奇异值特征向量做匹配进行人脸识别,识别率极低.通过对人脸图像奇异值向量和其对应的左右正交特征矩阵分析,发现图像的奇异值向量与图像的灰度范围具有相关性,即最大奇异值反映了图像灰度范围的位置,其他奇异值反映了灰度范围的宽度,而且与图像奇异值向量对应的左右正交特征矩阵能够表现图像轮廓的结构信息.基此,提出基于奇异值分解(singular value distribution, SVD)的基空间人脸识别算法,并通过ORL和ORL-IC数据库进行仿真,实验结果分析证明了图像的左右正交特征矩阵能够表现图像轮廓的结构信息.     

小样本贫信息条件下高炉冶炼烧结终点组合预测法

由于烧结过程具有不确定性、多变量耦合、时变时滞的特点,并且烧结终点受多种因素的影响,采用传统控制方法难以将烧结终点控制在要求的范围内,提出应用支持向量机优良的时序预测性能,以及贝叶斯理论能够利用样本信息和先验知识来简化预测模型和优化参数的特性,建立了贝叶斯支持向量机烧结终点的预报模型.首先对烧结终点的机理分析,后分别叙述贝叶斯框架理论和LS-SVM算法,并将贝叶斯证据框架应用于最小二乘支持向量机模型参数的自动选择,建立起时间序列的烧结终点非线性预测模型.在贝叶斯推断的第一层,进行模型参数的选择;在贝叶斯推断的第二层,进行模型超参数的选择;在贝叶斯推断的第三层,估计模型核参数,然后利用贝叶斯最小二乘支持向量机算法(LS-SVM)对烧结终点进行预测,并在此基础上构造了烧结终点的贝叶斯最小二乘支持向量机模型.仿真结果和多种模型比较表明,本模型能在小样本贫信息条件下对烧结终点做出比较准确的预测,并具有预测精度高、所需样本少、计算简便等优点,取得了令人满意的结果.     

一次副高控制中局部大暴雨预报失误原因分析

[目的]研究一次副高控制中局部大暴雨预报失误的原因.[方法]从总结预报失误的原因出发,利用常规的地面观测资料、高空探测资料、T639和T213以及欧洲中心(ECMWF)数值预报产品资料、美国国家环境预报中心的GFS降水预报产品,对2010年8月5日发生在邵阳北部一次大暴雨过程发生前后的天气形势、物理量场进行了细致分析;利用数值分析预报产品资料,采取预报与实况对比分析方法,对这次副热带高压中大暴雨预报失误的原因进行了较全面深入的分析.[结果]预报人员对天气形势分析不够深入细致,表面上500 hPa为副高控制,但实际上700和850 hPa存在弱的切变线,并忽视了弱冷空气和东风波的影响;副高迅速减弱,系统调整过快,ECMWF预报850、700和500 hPa风场变化与实况存在较大误差,比实况偏东2个经度左右;在夏季预报中仅考虑500 hPa副高强度和位置变化,忽视了中低层和地面形势的变化,是导致这次副高中暴雨预报失败的最关键因素;数值预报产品对高度场形势变化的预报误差较大,日本FSAS降水预报、美国国家环境预报中心的GFS预报和T639、T213降水预报都偏小,T639湿度场预报值较小;在此次暴雨预报中,没有当地暴雨预报指标方法用于预报实践;在降水预报过程中只注重该站点的评分预报,对非站点预报不够重视,有些重要的物理量因素没有能仔细推敲.[结论]该研究为此类局地大暴雨的预报预警提供参考依据.     

基于LS-SVM的烧结矿碱度预报研究

开发了最小二乘支持向量机(LS-SVM)模型,并用于对烧结矿碱度进行预测.仿真结果证明,本模型能在小样本贫信息的条件下对烧结矿碱度做出比较准确的预测.此种模型具有预测精度高、所需样本少、计算简便等优点.和BP神经网络算法相比,最小二乘支持向量机算法有很好的应用前景和推广价值.     

基于多目标支持向量机的ADHD分类

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一,在大多数情况下持续到成年期。近年来,基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的,然而事实上,ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本,从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题,即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征,提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型,其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差,进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解,并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估,并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好,可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断,还可用于阿尔茨海默病和自闭症等疾病的辅助诊断。      

1961～2003年安康市汉滨区暴雨特征分析

[目的]分析安康市汉滨区43年的暴雨特征.[方法]利用安康市汉滨区1961～2003年逐日降水和小时降水资料,对该区43年中暴雨天气的发生规律和变化特征进行分析.[结果]安康市汉滨区暴雨日分布具有明显的季节性,暴雨日最早出现在5月,6月开始增多,频发于夏季的7、8月份,9月逐渐减少,最晚结束于10月中旬末;1961～2003年安康市汉滨区暴雨量和暴雨日均呈明显的线性增加趋势,其中暴雨量在20世纪70～80年代末是较多时期,暴雨日在60～70年代初和90年代初期较少,70年代中期至80年代后期、90年代中期以后较多;暴雨日小时降水时间分布特征明显,主要以单峰型为主,时间多集中在白天,以短时强降水居多.[结论]该研究为准确预报暴雨发生和防灾减灾工作提供参考依据.     

岩溶地下河日流量预测的小样本非线性时问序列模型

针对岩溶含水系统高度的非线性特征,在小样本时间序列条件下,引入了能较好解决小样本、非线性问题的支持向量回归方法,利用偏最小二乘回归对影响地下河流量的诸多因素进行综合分析,并提取主成分作为支持向量机的输入变量,采用遗传算法优化模型参数,建立了地下河日流量预测的偏最小二乘-遗传-支持向量回归模型;将该模型用于后寨典型岩溶地下河流域日流量模拟和预测,并与BP人工神经网络、多元线性回归模型预测结果进行对比.偏最小二乘-遗传-支持向量回归模型模拟期的均方误差(MSE)、平均绝对百分比误差(MAPE)分别为0.25%、6.89%,预测期为0.65%、6.03%;BP神经网络模拟期的MSE、MAPE分别为0.24%、7.30%,预测期为0.84%、7.39%;多元线性回归模型模拟期的MSE、MAPE分别为0.28%、9.30%,预测期为1.10%、10.54%.结果表明,偏最小二乘-遗传-支持向量回归模型预测精度明显优于BP人工神经网络和多元线性回归模型.     

铝电解槽寿命预测研究

本文用支持向量机回归算法处理了某铝电解工厂150KA电解槽系列的有关铝电解槽寿命的工业数据（生产操作条件），分析了工业数据中有关铝电解槽寿命的主要影响因素．建立了铝电解槽寿命的定量预测（支持向量回归）模型，用留一法交叉验证方法分别检验了所建定量预测模型的预报能力。所建铝电解槽寿命定量预测模型的留一法交叉验证的误差小于18％。最后通过对已停电解槽进行验证预报证明了谊预测模型具有一定的可行性和实用性。     

VD炉钢水温度预报模型

在建立VD炉温度预报神经网络模型过程中 ,考察了影响目标温度的因素 ,并应用模式识别方法对各因素进行特征分析与筛选 ,删除了其中三个不必要的变量 :吹氩量、VD罐冷却时间以及VD罐上炉使用时间 .用筛选后的样本训练神经网络 ,预报精度有 1 5 %左右的提高 .模型在线连续预报了 76炉次 ,预报温度与实际测量温度之差在± 4℃、± 5℃之内的炉次分别占 67 1 %与80 3 % .     

基于LS-SVM的粘结NdFeB永磁体磁性能预测

基于粘结NdFeB永磁体制备工艺优化实验,建立了一个最小二乘支持向量机(LS- SVM)算法模型用于工艺参数的优化.以粘结剂含量、固化温度、固化时间以及单位压制力大小四个工艺参数为影响因数,以剩余磁感应强度Br、矫顽力Hcj;和最大磁能积(BH)m为影响对象,通过最小二乘支持向量机算法模型建立起影响因素与影响对象之间的复杂的非线形关系.针对多影响对象,提出了一种γ和σ选择算法;以均匀设计试验结果为样本进行训练,用训练好的模型进行预测.结果表明,LS - SVM模型的实验结果与预测结果吻合良好,二者相对误差很小,对比ANN模型预测结果,LS - SVM模型具有更高的精度和运算速度,具有很好的实用性.