基于结合参数整定和特征选择策略的模糊支持向量机的故障诊断

This study describes a classification methodology based on support vector machines （SVMs）, which offer superior classification performance for fault diagnosis in chemical process engineering. The method incorporates an efficient parameter tuning procedure （based on minimization of radius/margin bound for SVM＇s leave-one-out errors） into a multi-class classification strategy using a fuzzy decision factor, which is named fuzzy support vector machine （FSVM）. The datasets generated from the Tennessee Eastman process （TEP） simulator were used to evaluate the classification performance. To decrease the negative influence of the auto-correlated and irrelevant variables, a key variable identification procedure using recursive feature elimination, based on the SVM is implemented, with time lags incorporated, before every classifier is trained, and the number of relatively important variables to every classifier is basically determined by 10-fold cross-validation. Performance comparisons are implemented among several kinds of multi-class decision machines, by which the effectiveness of the proposed approach is proved.     

基于支持向量机的精馏塔模糊预测控制算法研究

利用模糊预测控制,依据支持向量机对模糊预测控制方法中的预测模型进行训练,以精馏塔的塔顶回流控制为例,通过仿真研究了支持向量机作为预测模型训练方法在模糊预测控制中的应用,得到了较好的控制效果。利用支持向量机与模糊预测控制结合,进一步发挥了信息处理方法在过程控制中的应用。     

基于最小二乘支持向量机算法的南宋官窑出土瓷片分类

将最小二乘支持向量机(least square support vector machine,LS-SVM)算法用于杭州南宋官窑2窑址出土瓷片的分类研究中,根据瓷片胎和釉的主要、次要和痕量元素组成对它们进行了分类,用留一法检验其分类效果,并与支持向量机( support vector machine,SVM)算法和自组织特征映射(self-organizing map,SOM)算法进行了比较.结果表明:SVM算法和LS-SVM算法比SOM算法更适合于处理"小样本"问题;一般情况下,SVM的分类效果比LS-SVM的分类效果好,但是LS-SVM具有更快的求解速度.     

基于模糊核聚类的多类支持向量机

传统的支持向量机是基于两类问题提出的,如何将其有效地推广至多类问题仍是一个值得研究的问题。本文在比较常用的几种多类支持向量机分类算法基础上,提出了一种基于模糊核聚类的多类支持向量机分类方法。支持向量机的分类精度和分类速度取决于树结构,新方法利用模糊核聚类生成模糊类,并结合基于二叉树的多类支持向量机分类算法实现多类分类。实验结果表明,该方法是一种效率更高、分类更准确的多类支持向量机分类算法。     

支持向量机在粉煤灰分类中的应用

针对以往粉煤灰分类的片面性,选择粉煤灰有关的化学成分和物理性质为特征向量,提出了基于支持向量机的粉煤灰科学分类。结果表明,此方法不仅结构简单,而且技术性能尤其是泛化能力与神经网络相比有明显提高,较全面地反映了粉煤灰的活性,从而为粉煤灰的综合利用及优化配置奠定了基础。     

支持向量机综述

支持向量机是基于统计学习理论的一种新的机器学习方法,因其出色的学习性能在国内外学术界引起了日益广泛的重视。本文介绍了支持向量机的基本原理,回顾了SVM近年来的研究与应用,并给出了总结和展望。     

基于涡流搜索算法的支持向量机分类模型

提出一种将涡流搜索算法用于支持向量机参数选取的新算法,利用该算法不必遍历搜索空间内所有的参数点即可找到全局最优解。给出了具体的算法流程,并进行了仿真。仿真实验结果表明涡流搜索算法是选取SVM参数的有效方法。     

基于支持向量机的机械设备故障诊断研究

大多数情况下,机械设备故障模式识别属于一个小样本机器学习问题,通过小样本进行故障诊断往往精确度不高,但是支持向量机能够对小样本进行故障诊断分析,文章将研究基于支持向量机的机械设备故障诊断,通过对支持向量机多类分类算法中的二叉树进行改进,然后选择合适的核函数并对其相关参数进行优化,最后将改进的方法应用到旋转机械故障诊断中...     

基于支持向量机的甲醛检测系统

为了检测甲醛,理论和实践中已经出现了很多成熟的方法。但每种方法都存在一定的局限性。为了达到成本和检测效率的平衡,提出并实现了基于支持向量机的甲醛检测系统。通过数据训练,生成针对特定环境的支持向量机。当环境出现甲醛超过阈值时,针对该环境的支持向量机可以判断并报警。经过仿真和实验,该方法对环境有更好的适应性,在成本和效率方面达到了更好的平衡。     

基于蜻蜓算法优化支持向量机的滚动轴承故障诊断

针对支持向量机参数选取不当影响诊断结果的问题,采用蜻蜓算法对支持向量机的惩罚因子C与核函数参数g进行优化,构建DA-SVM滚动轴承故障诊断模型。实验表明:与SVM、PSO-SVM、GA-SVM模型相比,DA-SVM诊断模型有效提高了滚动轴承故障诊断的准确率,且收敛速度快、寻优能力强。     

基于最小二乘支持向量机的天然气负荷预测

对城市天然气负荷预测的研究,对于保证天然气管网用气量、优化管网的调度和设备维修具有极其重要的意义．在国内,对于城市天然气负荷预测的研究才刚刚起步,目前还没有较系统的理论．同技术与理论较为成熟的电力负荷预测研究相比较,两者既有许多相同点,又有不同之处．相同之处在     

基于粗糙集和支持向量机理论的Rough SVM分类方法

为了减少支持向量机算法处理的数据量,降低支持向量机算法需要处理的样本维数,本文讨论了基于粗糙集的支持向量机分类方法,在一定程度上提高了支持向量机处理大规模数据的能力。     

基于支持向量机煤炭产地的鉴别研究

利用日照局历年来积累的出口煤炭的检测数据和出口企业自身检测的数据,用支持向量机技术分析其化学性质、物理性质、指标范围等情况,对检测的山东省出口煤炭的产地样品按决策树方法进行特性分类,并结合支持向量机方法实现了山东省15个煤炭出口产地或品牌的鉴别。该方法属于一种新的分类鉴别方法,为煤炭产地的鉴别提供了一个可借鉴的实例。     

基于多维光谱的多组分混合气体浓度支持向量机算法

针对多组分混合气体特征吸收光谱重叠严重的难点,提出一种新的基于多维光谱的多组分混合气体浓度支持向量机定量分析算法。算法采用核函数变换的方式,将重叠严重和非线性的光谱数据进行高维空间变换后再计算各组分气体浓度。将算法用于天然气各组分气体浓度的定量分析中,实验结果表明,算法的检验准确率和效率均显著优于其它多组分混合气体浓度定量分析算法。     

基于模拟退火算法和支持向量机的粘液形成菌识别

针对获取的工业冷却水中的粘液形成菌图像,采用形状不变矩、统计法和分形法分别从形状和纹理两个方面对其进行了特征提取,然后将模拟退火算法应用于图像识别中支持向量机分类参数C和g的优化,并与网格搜索法优化结果进行了对比,结果表明参数优化速度提高了5.736倍,分类器的识别率提高了2.31%.采用模拟退火-支持向量机分类器对粘...     

基于支持向量机回归的天然气负荷预测研究

Natural gas load forecasting is a key process to the efficient operation of pipeline network. An accurate forecast is required to guarantee a balanced network operation and ensure safe gas supply at a minimum cost. Machine learning techniques have been increasingly applied to load forecasting. A novel regression technique based on the statistical learning theory, support vector machines (SVM), is investigated in this paper for natural gas shortterm load forecasting. SVM is based on the principle of structure risk minimization as opposed to the principle of empirical risk minimization in conventional regression techniques. Using a data set with 2 years load values we developed prediction model using SVM to obtain 31 days load predictions. The results on city natural gas short-term load forecasting show that SVM provides better prediction accuracy than neural network. The software package natural gas pipeline networks simulation and load forecasting (NGPNSLF) based on support vector regression prediction has been developed, which has also been applied in practice.     

监控污水处理过程运行状态的加权支持向量机方法

针对污水处理过程运行状态监控中的正常运行状态样本数多而异常运行状态样本数少的特点,提出加权支持向量机方法。在理论上推导出不同类别的权重满足一定的关系时可以有效地补偿各类别训练样本数不均衡导致的不利影响,从而提高对异常运行状态的检出精度。通过实验仿真说明该方法的有效性。     

基于提升支持向量机的多组分气体分析

针对大规模高维气体分析样本难以计算的问题,提出一种提升的支持向量机学习方法.该方法将支持向量机等效为一定的KKT条件的同时,能通过检测样本在训练空间的转移始终保持KKT条件成立,起始训练样本的规模最少可以是2个.在对多组分气体分析的实验中,传统的支持向量机学习方法需要时间34 h左右,而提升支持向量机学习的时间为2.7 h,计算速度提高12.6倍.     

支持向量机算法用于甲壳素红外干燥建模

在红外干燥条件下,对甲壳素的干燥特性进行了研究,采用支持向量机对不同温度下的干燥速率建立模型。该模型能较好地预测各干燥阶段的干燥速率及含水量,确定合理的干燥工艺以便调控干燥环境,达到高效低耗的目的。     

基于支持向量机的氨含量预测模型

氨合成反应器出口氨含量与其影响因素间存在较强的非线性关系,为其建模,可预报氨含量,进而指导生产、优化反应器的操作.本文运用具有较强的非线性拟合能力和基于结构风险最小化原则的支持向量机,建立了氨含量的预测模型,验证表明,该模型具有较强的拟合和预测能力.