多元分类LS-SVM设计与装备保障性评估

科学、有效地进行保障性评估是提高装备综合保障能力和加快装备形成战斗力的研究重点之一；支持向量机是采用结构风险最小化原则代替传统统计学中的，基于大样本的经验风险最小化原则的新型机器学习方法，具有出色的学习分类能力和推广能力。研究了新型支持向量机算法——最小二乘支持向量机，并设计了基于多元分类的最小二乘支持向量机；建立了装备保障性评估的最小二乘支持向量机决策模型，确定了保障性评估指标体系和支持矢量学习决策模式；对某新型装备的保障性进行了评估。结果表明，基于最小二乘支持向量机的保障性评估是有效的、可行的。     

基于RS和SVM的汽轮机组故障诊断方法

为了提高汽轮机组故障诊断的效率,设计并实现了基于粗糙集和多类支持向量机的融合算法。把粗糙集作为数据的前处理器,对条件属性进行知识约简和去除冗余属性以达到降低数据维数的目的。然后构造多类支持向量机分类器并用约简后的新样本数据训练。测试结果表明,基于粗糙集和支持向量机融合算法的故障诊断方法诊断速度快,推广能力强。     

支持向量机与哈夫曼树实现多分类的研究

基于支持向量机和决策树的多分类方法存在错误累积问题,累积的错误往往使分类准确率下降,分类效果变差.在仔细分析了其产生错误累积原因的基础上,提出了基于哈夫曼树的支持向量机多分类方法.该方法首先将一个多分类问题分解为多个二分类问题,针对每个二分类问题使用支持向量机二分类方法解决;然后根据相异度来决策分类的优先顺序,构建基于哈夫曼树的支持向量机多分类模型;最后使用勒卡斯开源数据集进行验证,并将它与传统的支持向量机多分类方法进行实验比较.实验结果表明,新的方法在分类速度和分类精度上较传统的支持向量机多分类方法优越.     

一种多属性约简支持向量机混合分类方法

针对属性特别多仅用一种属性约简方法难以实现有效约简的情况,提出了基于双重属性约简的混合支持向量机分类方法.通过引入贡献率和正确率两个概念,首先采用主成分分析算法计算各个条件属性的贡献率,根据贡献率大小和给定的阈值去掉条件属性中贡献率小的成分,提取信息量最大的主要成分;然后再基于粗糙集的属性约简理论,计算这些主要成分对决策变量的正确率,对这些属性进行第二次约简;该方法采用定性定量相结合的方式,可以最大程度地去除属性集中冗余的或不重要的属性,保证将最简的属性样本集输入支持向量机进行建模预测.最后的仿真试验验证了我们所提方法的有效性和正确性.     

创新合作伙伴的SVM-TOPSIS优选决策分析

针对协同创新过程中不同阶段的特征,基于支持向量机(SVM)与直觉模糊集理论,构建了创新合作伙伴的两阶段选择指标体系及"初选——精选与优化"决策模型。初选阶段,针对初选合作指标体系,利用SVM缩小创新合作伙伴的选择范围;精选与优化阶段,在充分考虑协同创新过程中的创新伙伴多属性、群体决策性等特征的基础上,利用直觉模糊集TOPSIS法,最终确定协同创新合作伙伴。最后,通过对某医药企业创新合作伙伴选择的算例分析,证明了该决策模型的可行性,为协同创新合作伙伴的优选问题提供新的决策思路与方法。     

基于SVM和信息增益的属性选择算法研究

该文提出了一种新的属性选择的算法,即基于信息增益和支持向量机递归属性消除的属性选择算法。该算法保留了支持向量机的高精确性、高维健壮等优点,并通过将信息增益与其结合,克服了支持向量机由于建模时间长导致运行缓慢的缺点。该文还提出了基于接受者操作特征曲线下面积的选择属性数目的方法,并将其应用于个人信贷信用评价中,取得了良好的效果。     

基于D-S证据理论的多类支持向量机融合方法

多源信息决策级融合是一种高层次、直接针对具体决策目标的融合,融合结果直接影响决策水平．针对决策级融合问题,提出了一种基于D-S证据理论的多类支持向量机融合方法．首先构造多个多类支持向量机分类器,然后采用一种新的基于成对类别概率的基本概率赋值方法,应用D-S证据理论将它们融合．仿真结果验证了该方法可以得到更高、更稳定的识别率．     

基于对手态度学习的协商决策模型

为了解决基于多Agent应用环境下的双边自动协商问题,提出了一种用基于支持向量机(SVM)算法的对手协商态度学习方法.在该方法中,协商的过程被看作一个建议序列,把建议序列映射到新的特征空间,形成了多个协商轨迹（每个协商项有一个协商轨迹）.通过支持向量机的方法来学习协商轨迹,得到协商对手在每个协商项的态度.然后利用学习得到的对手协商态度,构造了一个协商的决策模型.此模型能同时基于对手的态度和自身的偏好来做出协商决策.另外,模型中的模型函数在满足一定约束的条件下,可以保证协商决策的收敛性和单调性.实验结果表明,该模型能有效较少协商的时间,增加协商双方的效用总和.     

煤炭需求量预测的支持向量机模型

根据选择的嵌入维数，建立了基于支持向量回归的中国煤炭需求量预测模型．用1980-2002年的中国煤炭需求量构造了支持向量机的输入向量和输出向量；经过与线性核函数及Sigmoid核函数的对比，选用基于径向基函数（RBF）作为校函数，在分析预测误差和模型参数关系的基础上，选择了合适的参数；建立了多输入、单输出的支持向量机（SVM）预测模型．用检验样本与基于RBF神经网络模型的预测进行了比较，结果表明支持向量机模型在训练样本较少的情况下，仍有较高的预测精度和较强的泛化能力，证明了该模型时近期的预测是可靠的．最后用训练好的支持向量机模型很好地预测了2003-2006年我国的煤炭需求量．     

采用类电磁机制算法的SVM决策树多分类策略

基于分类问题的特点,设计了适用于分类问题的类电磁机制算法,然后设计了基于改造后的类电磁机制算法的最优决策树生成算法,用以解决支持向量机多分类问题．以最大分类间隔为准则,利用类电磁机制算法进行优化,从而生成最优或次优的决策树．在每个决策结点利用传统的支持向量机二分类方法进行分类,最终实现支持向量机多分类．仿真结果表明：这种方法比传统的1-a-1,1-a-r,DAG-SVM,DT-SVM以及GADT-SVM方法有更优的性能．     

基于投影及优势度的不确定语言群决策方法

针对属性权重信息不完全的多粒度不确定语言多属性群决策问题,提出一种基于投影及优势度的群决策方法.该方法采用连续区间二元语义的有序加权调和平均(ITC-OWH)算子将多粒度不确定语言评价矩阵转化为二元语义决策矩阵,基于投影法构建目标规划模型,从而确定单个决策者的属性权重向量.在每个决策者之下,计算任意2个方案之间比较的综合属性优势度,根据综合优势度矩阵及决策者权重向量获得群体综合优势度矩阵,由各方案的总优势度获取方案的排序结果.最后,将提出的群决策方法应用到潜艇研制方案遴选问题中,验证了该方法的可行性与有效性.     

一种基于SPA的不确定多属性决策的排序方法

针对具有不确定性区间数的多属性决策问题,提出了一种基于集对分析的排序方法.通过介绍一个决策分析模型,把属性权重和决策矩阵均为区间数的多属性问题转化为区间数表示的决策方案综合评价值.然后把该区间评价值转化成联系度的形式,并给出排序准则.最后,通过算例验证该算法的有效性.     

基于改进支持向量机的人手动作模式识别方法

为了提高基于表面肌电信号（sEMG）控制的手部运动康复器对人手多种动作模式的识别率,比较常规支持向量机（SVM）多类分类器的特点,提出改进的决策树支持向量机多类分类方法.该方法引入基于sEMG特征向量的类间距离可分性测度来指导决策树的构建,能够为每个SVM子分类器的训练提供识别率较高的样本划分方案,在提高决策树内部节点分类成功率的同时,简化了分类器结构.通过实验对比可知,新方法在20种手部动作模式的识别训练过程中,单项动作最低识别率较常规决策树方式提高了7.1%,平均识别率达到88.9%,训练速度较一对一支持向量机分类器提高了5.8%.     

基于支持向量机的矿区土地覆盖变化检测

利用支持向量机(SVM)对两类问题良好的分离性能,将其应用于矿区土地覆盖变化检测,实现了基于SVM的变化检测算法.该算法计算了多时相遥感数据的差值影像,利用SVM将全部像素分类标记为变化和不变化两个类别,在不变区域中选择训练样本,对变化区域进行分类,获得前后时相地物类别信息,构建变化转移矩阵,描述详细变化信息.应用多时相先进对地观测卫星(ALOS)遥感数据对矿区土地覆盖变化进行试验,并与变化矢量分析、差值阈值法进行对比,结果表明:基于SVM的变化检测方法具有更好的检测效果,能够提供全面的变化类别和方向信息,可以有效应用于矿区土地覆盖动态监测.     

部分指标权重信息下的区间数多指标决策方法

针对指标权重信息部分已知、部分未知且指标值为区间数形式的多指标决策问题,提出一种决策分析方法.在对具有部分指标权重信息的区间数多指标决策问题进行数学描述的基础上,依据传统的理想点方法的基本思路,给出解决指标权重信息不完全的区间数多属性决策问题的计算步骤,其核心是通过构建最优化模型,得到每个方案与正理想点、负理想点的差异值,进而通过计算出相对接近度,即可得到所有方案的排序结果.通过一个算例说明该方法的实用性和有效性.     

基于模糊理论与支持向量机的变压器故障诊断方法

摘 要:针对变压器结构的复杂性和故障机理的多样性,提出一种基于模糊理论和支持向量机的变压器故障诊断方法.该方法首先采用模糊理论对故障样本数据进行预处理,提取故障特征,再用支持向量机方法进行故障分类,通过采用一对多(1-α-r)的方法实现多目标分类,得出诊断结果.针对支持向量机参数不易确定的问题,采用多层动态自适应算法...     

语言直觉模糊数的可能度排序方法及其应用

提出新的排序方法对语言直觉模糊数进行排序并将其应用到多属性语言决策问题中。首先基于可能度和Atanassov偏序提出语言直觉模糊数的可能度定义并讨论一些相关性质, 然后通过构造可能度矩阵计算排序向量并结合精确函数提出基于可能度的排序方法, 并在已知属性权重和专家权重的情况下使用语言直觉模糊数加权聚合算子将决策信息聚合得到方案整体综合值。根据提出的可能度排序方法设计出一个语言直觉模糊信息下的多属性群决策方法, 通过一个具体案例说明该方法是合理有效的。     

基于联系数广义有序加权平均算子的三角模糊数多属性决策方法

为解决属性值和属性权重都是三角模糊数时的多属性决策问题,采用等价转换的思路将属性值和属性权重的三角模糊数转换成同异型二元联系数,进而将三角模糊数的多属性决策转换成二元联系数的多属性决策.基于对二元联系数的有效信息集成,构建了一种新型的联系数广义有序加权平均(CNGOWA)算子,并提出了一种基于CNGOWA算子的三角模糊数多属性决策方法.实例分析表明,基于CNGOWA算子的三角模糊数多属性决策方法合理、稳定,可应用于三角模糊数型的模糊数据的决策分析和应用.     

基于粗糙集和支持向量机的汽轮机组故障诊断

提出一种应用粗糙集(RS)和支持向量机(SVM)对汽轮发电机组故障诊断的模型。将采集到的振动信号进行傅立叶变换得到频谱特征,然后使用粗糙集进行知识约简去除冗余属性,得到决策表,将决策表作为支持向量机分类器的训练样本。通过学习,使构建的SVM机器能反映属性特征和故障类型的映射关系以达到故障诊断的目的。测试结果表明,应用粗糙集约简和SVM机器学习是一种有效的诊断方法,它能使诊断速度加快,而且诊断结果简单有效,有推广应用的价值。