基于PNN网络和Freeman链码的抽油机井工况诊断

利用概率神经网络(PNN)对抽油机井工况进行诊断,建立了抽油机井工况诊断的概率神经网络模型;对示功图提取特征值的质量好坏直接影响识别效率和可靠性,提出了用Freeman链码对等效的电流示功图提取特征参数,进行预处理,建立抽油机典型工况的链码特征样本库;将Freeman链码作为特征向量,利用MATLAB对网络进行训练;结果表明,Freeman链码能够有效地识别各种典型工况示功图,并且该概率神经网络学习速度快、诊断准确率高,可用于抽油机井工况的实时监测和诊断.     

基于离散小波变换和随机森林的轴承故障诊断研究

针对不同工况下数据特征选择困难和单一分类器在滚动轴承故障诊断中识别率较低等问题,提出了一种基于离散小波变换和随机森林相结合的滚动轴承故障诊断方法。该方法首先利用离散小波变换分解振动信号,得到n层近似系数;然后创新性地采用sigmoid熵构造出n维特征向量,sigmoid熵能较好地提取非平稳信号的特征,提高诊断准确率;最后采用随机森林对滚动轴承不同故障信号进行分类。实验采用西储凯斯大学轴承数据中心网站提供的轴承数据,与传统分类器(KNN和SVM)以及单个分类回归树CART进行对比分析,结果表明该方法具有更好的诊断效果。     

基于小波变换和分形维数的车牌汉字识别

提出一种基于小波变换与分形维数的车牌汉字识别方法.对字符图像进行预处理和小波变换,应用改进的微分盒维法计算图像分形盒维值,并构造特征向量,利用支持向量机分类器对字符进行分类与识别.实验结果表明,该方法对模糊字符的识别具有鲁棒性,可提高汉字识别率.     

基于模糊模式识别的抽油井示功图判别算法研究

针对有杆抽油井示功图诊断分析问题,研究特定故障情况下示功图特征值算法。把示功图数据通过傅里叶变换由空域转换成频域形式,仅保留较低频率上的系数a0、a1、b1,并将其作为特征值。根据所得到的特征值结合模式识别算法能够实现有杆抽油井示功图快速准确的识别和分类。实际应用表明,利用基准示功图28种类型的特征值的选取,计算出每种示功图的特征矢量,并保存到特征库中。对给定示功图特征值进行模式识别,即可得出该图隶属于哪种模式。     

基于ICA和SVM的SAR图像特征提取与目标识别

提出一种利用独立分量分析和支持向量机的合成孔径雷达图像特征提取与目标识别方法。对图像小波分解后提取低频子带图像,对低频子带图像进行独立分量分析提取特征向量,利用支持向量机对特征向量分类完成目标识别。将该方法用于MSTAR数据中的3类目标识别,识别率最高可达96.92%。实验结果表明,该方法是一种有效的合成孔径雷达图像特征提取与目标识别方法。     

基于加权行质量向量的步态识别方法

为在降低样本训练时间的同时提高数据分类能力,提出一种基于加权行质量的步态识别方法,提取人体轮廓行质量向量作为步态特征,分析特征向量各元素的贡献度从而对特征向量进行加权,采用归一化欧氏距离度量相似度,并使用最近邻分类器进行分类。在CASIA数据库上的实验结果表明,该步态识别方法既满足步态识别对实时性的要求又保证较高的识别率。     

基于Gabor滤波和类内PCA的昆虫识别

针对昆虫识别率不高的问题,提出一种基于Gabor滤波和类内PCA的昆虫识别方法。首先对经过预处理的昆虫图片按类别进行Gabor滤波,提取Gabor特征,然后利用PCA进行降维,提取特征向量,最后采用k近邻分类方法识别昆虫。实验表明,该方法识别率较高,在15种昆虫图片集上进行测试,识别率达到95%,优于基于PCA的识别方法、基于Gabor滤波和PCA的昆虫识别方法。     

一种改进的利用五官特征的人脸识别方法

提出一种利用人脸五官区域特征来取代整张人脸的识别方法,解决肤色区域受光线变化时识别率不高的问题.首先是用Active Appearance Model(AAM)侦测出所需要的五官影像,然后使用Principal Component Analysis(PCA)分别抽取五官的特征向量同时降低数据维度,将特征向量用K-means方法分类,再使用Support Vector Machine(SVM)K个类别的数据训练出一个分类模型.最后识别时,将各个模块的识别结果用投票法整合.通过实验表明去除掉容易受到光线影响的肤色区域,改以五官特征为识别的依据是可行的.相对于EigenFace方法的识别率,也有了显著提升.     

基于Freeman链码特征值的示功图分类识别研究

示功图分析是目前比较常用的油井故障诊断方法,基于神经网络的示功图分类识别要求准确地提取示功图的特征值,特征值的质量直接关系到示功图识别的效率和可靠性。传统的示功图特征值提取方法计算量很大,与油井现场的实时性要求相悖。为了解决这一问题,提出了用Freeman链码来表达示功图特征,对示功图的识别进行研究。分析了示功图Freeman链码的提取方法以及典型工况链码特征,建立示功图链码特征样本库,给出了示功图识别的方法步骤,在MAT-LAB下进行仿真验证。结果表明,Freeman链码特征值能够有效地分类出各种典型工况示功图,神经网络具有更快的收敛速度和更高的识别效率。     

一种基于离散傅立叶变换域相位和幅度的数字水印算法

将水印分别嵌入离散傅立叶变换(DFT)域的相位谱、幅度谱进行仿真实验,比较了两种算法在相同的嵌入失真下的鲁棒性,提出了相位幅度相结合的DFT域水印算法,算法在提取水印时不需要原始图像。实验证明,该相幅水印算法简单易行,具有很好的不觉察性,而且对图像的尺度变换、旋转攻击、噪声干扰、JPEG压缩以及滤波等都具有很强的鲁棒性。     

基于支持向量机的抽油机井功图识别研究

抽油机的异常情况会使油田的产油效率降低,而不同的异常类型对应的抽油机示功图特征也各不相同,因此造成的损害程度也不同。针对以上问题,文中提出了一种抽油机井功图识别模型,该方法将支持向量机（ SVM）用于抽油机井功图识别。首先利用改进的矢量曲线数据压缩方法（ICVDC）对抽油机井下示功图进行特征数据提取,在此基础上,采用“一对一”分类法建立基于支持向量机的井下示功图分类模型,进而对不同特征的示功图进行分类识别,并与其他识别分类模型进行了识别分类效果对比。实验结果表明,该方法分类准确度高,有效地解决了示功图的识别和分类问题,方便对油井设备等进行进一步的故障分析处理,从而大大提高抽油机的性能与效率,以此来达到油田提高采收率的目的。     

基于神经网络的示功图诊断研究

在抽油机井生产过程中,及时掌握抽油机井工况,实现抽油机井的远程监测和科学管理,是当前抽油机采油系统迫切需要研究的一个重大课题。在传统工况诊断的基础上研究了抽油机井工况智能诊断技术。通过对示功图的网格化,建立了示功图的计算模型,通过对这些模型进行预处理,建立了抽油机井典型工况的特征参数样本库。研究了BP神经网络的基本结构,并将BP神经网络诊断系统应用于抽油机井示功图识别,取得了良好的效果。     

基于决策树对支持向量机的医学图像分类新方法

针对传统对支持向量机多类分类算法（Multi-TWSVM）中出现的模糊性问题,提出了一种基于遗传算法的决策树对支持向量机（GA-DTTSVM）多类分类算法。GA-DTTSVM用遗传算法对特征数据建立决策树,通过构建决策树可以分离样本的模糊区域,提高模糊区域样本的识别率。在决策树的每个节点上用对支持向量机（TWSVM）训练分类器,最后用训练的分类器进行分类和预测。实验结果表明,与决策树对支持向量机（DTTSVM）多类分类算法以及Multi-TWSVM相比,GA-DTTSVM多类分类算法具有较高的分类精度和较快的训练速度。     

基于多类支持向量机的棉花异性纤维分类方法

提出一种基于多类支持向量机的棉花异性纤维分类方法,以期解决棉花异性纤维的在线分类难题。该方法首先对异性纤维目标图像进行颜色、形状和纹理特征提取,形成用于精确描述异性纤维目标的特征向量;然后分别构建3种不同体系结构的多类支持向量机用于棉花异性纤维的分类;最后采用交叉验证法对所构建的3种多类支持向量机进行测试。测试结果表明,基于有向无环图的一对一多类支持向量机在分类精度和分类速度上更适合用于棉花异性纤维在线分类。     

基于K均值和双支持向量机的P2P流量识别方法

针对目前常用于P2P流量识别的有监督机器学习方法普遍存在时间代价较高的现状,提出采用时间代价为标准支持向量机四分之一的双支持向量机来构建分类器,并采用K均值集成方法快速生成有标签样本集,组合有标签样本集构成双支持向量机的训练样本,最后利用构建好的双支持向量机分类模型进行P2P流量的识别。实验结果表明采用基于K均值集成结合双支持向量机的方法在P2P流量识别的时间代价、准确率和稳定性方面要远优于标准支持向量机。     

基于SVM的图像分类研究

图像分类技术有着重要的应用前景,而且对于基于内容的图像检索的发展会有积极的推动作用。多类图像分类是图像分类中的难点,对基于SVM的多类图像分类方法进行了研究,提出在二类支持向量机的基础上构造多类分类器的方法,实验结果证明和传统方法相比,分类准确率有了较大的提高。     

基于多分类支持向量机的隐写域盲检测

提出一种区分隐写域(包括像素域、DCT域、DWT域)的盲检测方法,构造图像特征向量,建立一个多分类的支持向量机,根据特征向量对图像进行训练。该方法能够识别隐藏信息和其隐写域。实验结果表明,当嵌入容量达到20%时,识别率提高到85%以上。     

多分类支持向量机分割彩色癌细胞图像

在细胞彩色图像处理中,为了有效地计算与分析细胞各特征值,对细胞图像的精确的三域分割是细胞自动分析与识别的一个关键环节。提出利用多分类支持向量机对细胞彩色图像进行背景、胞浆与核的一次性三域分割,并且通过聚类分析的方法实现了在线训练,实验表明,该方法在细胞彩色图像的多域分割上,能获得较高的分割精度和较好的鲁棒性。     

对传过程神经元网络在油井故障诊断中的应用

为更好解决抽油机井示功图模式诊断问题,依据示功图绘制原理,将示功图识别看作动态系统连续曲线（位移-时间曲线和载荷-时间曲线）的模式识别问题。利用过程神经元能同时处理时、空二维信息,可自动抽取时变函数样本的过程模式特征,在机制上对时变信号的分类问题具有较好的适应性,提出一种基于对传过程神经元网络诊断模型及其学习算法。以油井实测数据对模型进行训练和故障识别,取得了较好的应用效果。