用软硬结合的方法克服高速流水线的障碍——条件运算和顺序下标表处理

本文讨论高度重叠流水线计算机中两种全局性相关及其解决办法。最后,讨论它们与阵列机的“屏蔽位”和“与处理单元有关的局部变址”算法上的相似性,以及它们与向量机的“运算控制向量”和“间接控制向量”的相似性。这一方法使得高速流水线的单指令流-单数据流计算机与阵列机、向量机的一些成果,通过“相似性”可以相互推广。     

通用细胞结构巨型机——虚共存细胞结构纵横加工向量机(所谓“微处理机”组合巨型机的一种有效算法和结构)

本文讨论新型通用巨型机——“共存细胞结构纵横加工向量机”的进一步发展:另一种“通用虚共存细胞结构纵横加工向量机”,其子系统与多维阵列机等价。本文从中小规模集成电路为基础的纵横加工向量机(m×n_p 型)为出发点,简略介绍了由于“超大规模集成电路”的物质基础的发展趋势而引入的共存细胞结构纵横加工向量机(m×n型,m×n_p 型),是一类具有“多数据流”和“多指令流”两种并行方式的新型向量机。在此基础上,为了大幅度提高解题速度的需要,也就是,大幅度扩大台数的需要,本文重点介绍一种新型巨型机,可以多达成千上万个细胞单元的“虚共存加共存”式的细胞结构纵横加工向量机,并讨论了它的一个子系统与多维阵列机的等价性。从另一角度说,本文提出一类用成千上万台“微处理机”(更准确地说是“细胞单元”)构成的巨型机系统的使用方法。本文还讨论了这类新型巨型机系统的话言,主要算法,对应的主要指令,细胞单元的主要功能,以及“共存”、同步、数据传输联线组数与传输步数等问题。     

纵横加工向量机的交叉问题及其解决

本文从“单指令流——单数据流”计算机上的“标准高级语言向量扩充语言”上的“交叉”问题的解决方法:“语句限制”出发,讨论了通常向量机(纵向加工)及“纵横加工向量机”中的交叉问题及其处理办法。     

纵横加工流水线向量机的交叉问题及其解决

本文从单指令流-单数据流计算机上的“标准高级语言向量扩充语言”上的“交叉”问题的解决方法,“语句限制”出发,讨论了通常向量机(纵向加工)及纵横加工流水线向量机中的交叉问题及其处理办法。     

基于改进的PCA—LS—SVM的软测量技术及应用

针对工业过程中某些重要过程变量难以实现实时在线检测和高维数据处理的问题，提出了将主元分析与改进的最小二乘支持向量机相结合的软测量建模方法，建立了催化裂化主分馏塔柴油凝固点的软测量模型。最小二乘支持向量机与标准支持向量机相比，失去了“稀疏性”，最小二乘支持向量机的稀疏化方法解决了这一难题；主元分析方法的引入，有效地提高了最小二乘支持向量机软测量模型的精度和泛化能力。应用结果表明，该改进的PCA—LS-SVM方法具有学习速度快、跟踪性能好以及泛化能力强等优点。     

局部支持向量机的研究进展

支持向量机是一种用途广泛的分类器,标准的支持向量机在预测每个样本点的类别时使用了训练集中所有的样本信息(即全局信息),然而这种全局化的方法并不蕴含一致性。局部支持向量机的提出符合"一致性蕴含局部性"的思路。首先回顾局部支持向量机的主要思想,然后阐述各种关于局部支持向量机的改进,并提出基于协同聚类的局部支持向量机用于大规模数据集,最后对局部支持向量机进行总结。     

纵横加工向量机原理

本文讨论以中小规模集成电路为基础的巨型机。 文中从分析伊里阿克IV入手,特别是对于它不能直接使用大容量中速主存和使用不很方便等问题进行了讨论,在这个基础上,提出了“纵横加工向量机”。“纵横加工向量机”分别克服了或部分地克服了伊里阿克IV的不能直接使用大容量主存储器、使用不很方便、器材较费、效率枚低和有效使用范围较窄等不足之处。 文中介绍了纵横加工向量机的原理、基本算法、存在问题和解决办法。 文中讨论了纵横加工向量机具有横向加工的优点。这点比通常的纵向加工向量机(例如STAR-100)对存储系统供数能力的要求,降低了三倍以上。     

直接执行高级向量语言计算机

本文探讨直接执行高级向量语言计算机的现实性,并讨论一类有利于这种现实性的计算机——向量机对高级语言的直接执行。 随着器件的飞速发展,不久将来,从计算器开始,部分的微处理机、小型机、中型机、甚至将来的部分大型机,会逐渐出现“剩余速度”和“剩余器材”。而这些速度和器材的“剩余”,对某些计算机来说,会逐渐被转移到用来提高系统软件的生产能力。本文认为这里讨论的直接执行高级向量语言的向量机可能最有希望被提前实现。     

感应电机矢量控制系统的SVM—FIS自学习控制

研究交流电机系统特性,针对常规模糊推理系统自学习能力不强,用支持向量机与模糊系统结合,提出了一种支持向量机-模糊推理系统,由支持向量机实现模糊推理系统的自学习.设计一种基于自适应混沌优化算法的支持向量机-模糊推理自学习控制器,并将其应用于无速度传感器感应电机矢量控制系统的速度控制.控制系统采用定转子自适应磁通观测器估计磁通,用转速动态估计器来估算转子转速.仿真结果表明,控制方法响应速度快,鲁棒性强,稳定性好,是一种有效的控制方法.     

纵横加工向量机的原理及应用

本文讨论以中小规模集成电路为基础的巨型机。文中从分析伊里阿克Ⅳ的主要问题入手,特别是对于不能直接使用大容量中速主存和使用很不方便等严重缺点,进行一系列的彻底改造,结果得到了“纵横加工向量机”。“纵横加工向量机”分别克服了和部分地克服了伊里阿克Ⅳ的不能直接使用大容量主存储、使用很不方便、器材费、效率低和有效应用范围窄等严重缺点。本文介绍了纵横加工向量机的原理,实现的等价性,存在问题和解决办法。还讨论了纵横加工向量机具有横向加工的优点。这点使它比通常的纵向加工向量机(例如STAR-100),对存储系统供数能力的要求,降低了三倍以上。不仅可以节省器材,而且增加了研制××次×型机的现实性。在最后简要结论中,还指出了它的实际应用。     

基于支持向量机的纺纱质量预测模型研究

纱线的生产是一个多环节的复杂工业过程．其质量控制大多需要依赖领域专家的个人经验,为此提出一种基于支持向量机的纱线质量预测模型．探讨了模型选择与验证问题,并利用“网格搜索”法对模型参数进行了优化,试验结果表明,在小样本和“噪音”数据环境下．支持向量机模型仍能保持一定的预测精度,与人工神经网络模型相比,更适应于真实纺纱生产过程．     

灰色—支持向量机的空调负荷预测

对空调负荷进行准确预测不仅对空调优化控制的意义重大,而且也是实现空调经济运行与节能的关键所在。为了提高建筑空调负荷的预测精度,在分析灰色模型和支持向量机建模特点基础上提出了一种空调负荷组合预测算法。该方法综合了灰色建模计算过程简单以及支持向量机自学习和泛化能力强的优点,能够更加有效地利用样本数据的有效信息,提高模型预测精度。首先,通过灰色建模过程弱化了样本数据的随机因素。然后,对灰色模型输出进行归一化处理及数据重构,以作为支持向量机的输入。最后,通过支持向量机模型的预测得到最终预测结果。将本文所提出的方法应用于福州一栋办公建筑的逐时空调负荷预测中,并与灰色模型及支持向量机模型作比较,证明了组合模型的预测值与实际运行值拟合度最高,平均绝对误差比灰色模型和支持向量机模型分别降低了47.84%和17.39%。该组合预测模型具有较高的预测精度和更好的泛化能力,具有较强的可行性和实用性。     

多分类孪生支持向量机研究进展

孪生支持向量机因其简单的模型、快速的训练速度和优秀的性能而受到广泛关注.该算法最初是为解决二分类问题而提出的,不能直接用于解决现实生活中普遍存在的多分类问题.近来,学者们致力于将二分类孪生支持向量机扩展为多分类方法并提出了多种多分类孪生支持向量机.多分类孪生支持向量机的研究已经取得了一定的进展.本文主要工作是回顾多分类孪生支持向量机的发展,对多分类孪生支持向量机进行合理归类,分析各个类型的多分类孪生支持向量机的理论和几何意义.本文以多分类孪生支持向量机的子分类器组织结构为依据,将多分类孪生支持向量机分为：基于“一对多”策略的多分类孪生支持向量机、基于“一对一”策略的多分类孪生支持向量机、基于“一对一对余”策略的多分类孪生支持向量机、基于二叉树结构的多分类孪生支持向量机和基于“多对一”策略的多分类孪生支持向量机.基于有向无环图的多分类孪生支持向量机训练过程与基于“一对一”策略的多分类孪生支持向量机类似,但是其决策方式有其特殊的优缺点,因此本文将其也独立为一类.本文分析和总结了这六种类型的多分类孪生支持向量机的算法思想、理论基础.此外,还通过实验对比了分类性能.本文工作为各种多分类孪生支持向量机之间建立了联系比较,使得初学者能够快速理解不同多分类孪生支持向量机之间的本质区别,也对实际应用中选取合适的多分类孪生支持向量机起到一定的指导作用.     

细胞结构纵横加工向量机

本文讨论一般向量机及纵横加工向量机的细胞结构化的可能性。随着器件的飞速发展,细胞结构巨型机成为巨型机重要方向。多处理机、阵列机、关联阵列机的细胞结构化是显然的;而向量机,一种比较受欢迎的巨型机,语言可在标准语言基础上扩充,使用与习惯较接近,效率比较高的巨型机,能否细胞结构化?本文给出了构造性的肯定回答。本文介绍了标准语言向量扩充和纵横加工向量机。在此基础上讨论了细胞结构向量机及细胞结构纵横加工向量机。最后简略讨论其优点及细胞单元数目有限的局限性(例如N≤64)。     

模糊样本下学习问题的研究

支持向量机是机器学习领域一个研究热点,而统计学习理论中的关键定理为支持向量机的研究提供了重要的理论基础。基于模糊样本,提出了模糊经验风险最小化原则和非平凡一致性的概念,提出并证明了基于模糊样本的学习理论的关键定理,为研究模糊支持向量机提供了依据。     

基于小波支持向量机的木材干燥控制技术研究

针对木材干燥系统强耦合非线性的特性,提出了一种基于小波最小二乘支持向量机的预测控制方法.讨论了利用小波支持向量机对木材干燥系统进行系统识别的方法,并将辨识模型应用于预测控制算法,实现了木材干燥的自适应控制.仿真结果表明,基于小波支持向量机的预测控制技术具有较好的鲁棒性,对木材干燥系统有很好的实用性.     

基于融合的多类支持向量机

支持向量机可以处理2类问题,通过“一对一”和“一对多”方式能将2类支持向量机扩展为多类支持向量机。提出一种基于两类支持向量机融合的多类支持向量机构成方法。对分类器融合采用极大值法、极小值法、乘积法、均值法、中值法、投票法和各种决策模板融合方法。在日本女性表情数据库JAFFE上应用该方法进行人脸表情识别,结果证明了其有效性。     

基于支持向量机的非线性预测控制技术

探讨了利用支持向量机进行非线性系统辨识的方法,并将支持向量机模型应用到非线性预测控制,提出了基于支持向量机模型的非线性预测控制算法.对一个CSTR反应器的仿真表明,支持向量机在小样本情况下具有良好的非线性建模能力和泛化能力.基于支持向量机的预测控制具有很好的控制性能,为通用非线性控制提供了一种新的控制思路.􀁽     

线性规划ν-支持向量机的牛顿法

基于线性规划的ν-支持向量机(ν-LPSVM)是在基于二次规划的ν-支持向量机(ν-QPSVM)的基础上提出的。ν-LPSVM和ν-QPSVM模型中的参数ν都可以控制支持向量的数目和误差,但ν-LPSVM的模型更为简单,应用前景更广。讨论了这种新型支持向量机的线性规划问题的最小2-范数解,在此基础上给出了一个快速、有限步终止的牛顿算法。数值实验表明,ν-LPSVM的牛顿算法快速而且有效。     

基于线性规划的分类支持向量机

针对支持向量机(Support Vector Machine,SVM)在分类问题上的运用,分析在结构风险中采用一般范数控制模型的复杂性问题,提出基于l1-范数和l∞-范数的两种线性规划支持向量机,包括线性支持向量机和非线性支持向量机.采用模拟数据对4种支持向量机进行数值试验,其中有3种是线性规划支持向量机(包括提出的两种支持向量机)和经典的二次规划支持向量机.实验结果表明,对线性支持向量机中3种支持向量机计算的模型参数均与理论值接近;对非线性支持向量机情形中l1-范数支持向量机具有最少的支持向量和较好的学习效果.