模糊型支持向量机及其在入侵检测中的应用

支持向量机是一种基于结构风险的机器学习方法,克服了传统学习方法仅采用经验风险最小化原理的不合理性,为此,研究人员将样本的隶属度引入到支持向量机中,以此解决支持向量机所存在的问题。在此基础上,文章通过分析研究模糊支持向量机FSVM、v型模糊支持向量机v-FSVM、模糊孪生支持向量机FTSVM,提出了v型模糊孪生支持向量机v-FTSVM;实验中选择了UCI数据集,验证了模糊型孪生支持向量机的性能。最后,将这些不同的支持向量机应用于入侵检测数据集,进一步检验模糊型支持向量机的有效性。     

基于人工神经网络的入侵检测方法研究

入侵活动在计算机网络上的不断变化和复杂特性使得不能像对待普通入侵检测系统(IDS)一样处理。识别和防止这种攻击是最具挑战性的任务之一。深度学习是最受欢迎的机器学习技术之一。本文采用深度神经网络对不同类型的入侵攻击进行分类,并将结果和支持向量机(SVM)进行了对比。实验结果表明,使用深度神经网络的入侵检测的准确性令人满意。     

基于向量机主动学习的通信网络入侵检测技术的研究

随着信息技术在人类生活各个方面的深入,信息网络中所包含的牵涉个人及国家利益的信息业变得越来越多,利益的存在滋生了网络攻击。网络攻击通过各种不法手段,来窃取其所需要的网络信息。本文重点研究了支持向量机主动学习的通信网络入侵检测算法的优化设计,主要研究支持向量机设计到的风险函数、支持向量机的原理、支持向量机的分类和回归,深入探讨了主动学习的流程和结构,对主动学习中的学习算法做了深入研究,研究其各种相关定义以及其的学习过程和查询过程。     

南美白对虾货架期预测指标选择及模型研究

为研究南美白对虾品质指标与货架期之间的关系及南美白对虾在贮藏过程中的品质变化过程,精确预测其剩余货架期,通过检测277,272.2,255K温度下南美白对虾的感官指标、理化指标和微生物指标,分别针对南美白对虾品质检测的综合指标和部分关键指标,以支持向量机模型和BP神经网络模型为基础,建立南美白对虾货架期预测模型。结果表明:基于综合指标构建的货架期预测模型的预测精度(支持向量机为97.71%,BP为91.41%)比基于关键指标的(支持向量机为84.08%,BP为83.76%)高;基于支持向量机的预测模型的预测精度(关键指标为84.08%,综合指标为97.71%)比BP预测模型的(关键指标为83.76%,综合指标为91.41%)高;基于综合指标的支持向量机预测模型的预测精度是4种模型中最高的,为97.71%。该结论也可为支持向量机方法和预测指标选择在其他食品领域货架期的应用研究提供一定的参考。     

机器学习在网络安全入侵检测中的应用

网络入侵检测技术能够对系统进行实时检测或事后检测,及时发现、防范各种复杂多变的网络攻击企图、攻击行为与攻击结果。同时网络入侵检测技术也是网络空间安全中一个具有挑战性的网络安全问题,机器学习对入侵检测技术性能的提高成为热门研究内容。文章综述了近些年来几种典型的群体智能优化算法,及其与支持向量机相结合的网络入侵检测技术,最后对机器学习在网络安全入侵检测中的未来发展前景进行展望。     

基于IDE算法优化支持向量机的变压器故障诊断

提出了一种IDE(改进微分进化)与支持向量机模型相结合的变压器故障诊断新方法。该方法通过支持向量机模型搭建变压器故障诊断的综合判定系统,使决策树的每一个分支都对应一种具体的故障类型,然后应用IDE对支持向量机的分类结果进行优化。经过实例分析,验证了该方法的可行性和有效性。     

基于高光谱成像技术的水果表面农药残留无损检测

在高光谱成像技术的基础上,提出了一种应用于水果表面农药残留的无损检测方法。对采集数据进行预处理和特征提取,通过细菌群体趋药性算法找到最优的最小二乘支持向量机参数,建立农残检测模型,并与最小二乘支持向量机模型进行比较,验证该模型的优越性和准确性。结果表明,基于连续投影法特征波长结合文中检测模型具有最高的检测精度,其准确率达97.92%。     

基于支持向量机及粒子群算法的腊肉品质等级检测

针对近年来备受关注的腊肉酸价和过氧化值超标、褪色、出油、发黏等品质问题,提出一种快速、准确、实用的检测技术。采用支持向量机(support vector machine,SVM)将近红外光谱(near infrared spectroscopy,NIR)检测到的酸价、过氧化值、挥发性盐基氮和显微图像处理得到的微生物菌落总数进行多数据融合,建立腊肉品质等级检测模型,并利用粒子群优化(particle swarm optimization,PSO)算法进行模型优化。结果表明:支持向量机的分类方法取得了与生化方法相同的腊肉分级预测结果,且采用粒子群优化后的分类模型准确率由97.5%提升到100%。证明粒子群优化支持向量机模型能够迅速对腊肉等级进行准确检测。     

玉露香梨可溶性固形物近红外漫透射光谱在线检测

应用近红外漫透射光谱技术探索玉露香梨可溶性固形物在线无损检测的可行性。358个试验样本被分成建模集和预测集(269∶89),分别用于建立模型和验证模型的预测能力。通过对玉露香梨样品近红外漫透射光谱分析发现,样品光谱在625,725,800nm处存在3个波峰,在673,765,825nm处存在3个波谷。通过对比不同预处理方法,发现漫透射近红外光谱分别经一阶微分、移动窗口平滑和多元散射校正组合预处理后建立的模型效果最好。结合组合预处理方法建立了偏最小二乘和偏最小二乘支持向量机预测模型,经比较,偏最小二乘支持向量机模型预测能力更强,模型预测均方根误差和相关系数分别为0.316%和0.949。对比发现主成分分析和径向基函数有利于提高最小二乘支持向量机模型的预测能力。试验结果表明采用近红外漫透射光谱技术结合最小二乘支持向量机算法,实现了玉露香梨可溶性固形物在线无损检测。     

浅谈基于机器学习的木材干燥建模方法

介绍了目前国内外对于木材干燥建模的研究现状.针对木材干燥过程的强耦合、非线性等特点,探讨了应用目前常用的两种基于机器学习的非线性系统建模方法-神经网络和支持向量机建立木材干燥模型的可行性,给出了基于神经网络和支持向量机的木材干燥模型,并分析了这两种木材干燥模型的结构和优缺点.     

支持向量机在酒精发酵过程建模中的应用

支持向量机(SVM)是近年来发展起来的一种基于统计学习理论,采用结构风险最小化的新型学习机器.将支持向量机应用到酒精发酵生产过程建模中,仿真结果表明,支持向量机模型是有效的,SVM模型比BP网络模型有更好的预测能力.     

支持向量机提取法检测羊绒/羊毛混纺比

文章介绍了基于HSV颜色模型,应用支持向量机的目标提取方法检测羊绒,羊毛混纺比.根据某种色彩信息,将在HSV颜色模型下的羊绒与羊毛混纺纱线的切片图进行初步的背景分离,通过特征数据取样,应用支持向量机对图片进一步精确分离,从而使提取目标完整地从原图中分离出来,这种支持向量提取的方法为应用图像处理方法测试羊绒,羊毛混纺比提供了可行性.     

基于改进支持向量机的温室大棚温度预测

针对温室大棚中影响温度预测的因素以及温室大棚温度变化存在的非线性问题,提出基于改进支持向量机的温度预测模型。支持向量机选择性能较好的RBF核函数,结合网格搜索算法对支持向量机的核参数和惩罚因子进行动态寻优,考虑光照强度、湿度、风速对温度的影响。实验结果表明,与其他模型相比,改进的支持向量机预测误差更小,精度更好。     

基于人工蜂群算法优化支持向量机的变压器故障诊断

支持向量机参数的选择直接影响变压器故障诊断分类的准确率,为了提高变压器故障的诊断精度,提出一种基于人工蜂群算法优化支持向量机的变压器故障诊断模型。利用人工蜂群算法优化支持向量机的惩罚因子C和核函数参数σ。实验结果表明,文章提出的算法能够获得较高的故障诊断精度。     

基于粒子群算法的番茄酱成分检测及品质分析

以番茄酱成分检测过程为研究对象,采用多光谱成像技术采集番茄酱光谱图像,并提取出有效光谱信息,分别利用偏最小二乘法、偏最小二乘法支持向量机算法和粒子群算法建立番茄酱成分校正模型和番茄酱品质预测模型。采用3种模型进行预测试验对比,偏最小二乘法支持向量机算法和偏最小二乘法两种模型对可溶性固形物和番茄红素含量的预测性能均低于粒子群算法模型;粒子群算法模型对可溶性固形物和番茄红素含量的预测绝对系数均大于0.9,表明粒子群算法模型能够有效进行番茄酱成分含量检测和品质预测。     

一种新的赖氨酸发酵过程软测量建模方法

为了对赖氨酸发酵过程进行优化控制,提高发酵产品得率,在生物参数在线实时检测困难的情况下,提出了基于支持向量机软测量建模方法。赖氨酸发酵过程中,准确检测菌体细胞浓度、基质中的葡萄糖浓度、生成产物浓度等生物参数是发酵生产过程优化控制的前提和基础。支持向量回归机软测量模型有更好的逼近能力和更强的推广能力。在实验中以赖氨酸发酵过程为对象,对软测量模型进行了验证。仿真计算结果和实验表明模型能够输出精确的生物参数预测值。     

基于n-SVR的离心式冷水机组性能检测新模型

空调系统离心式冷水机组故障的检测与诊断(FDD)是一个难点,文章基于非线性回归型支持向量机(n-SVR)构造了一个机组诊断新模型,解决了多元线性回归(MLR)模型精确性不足的问题。通过ASHARE项目无故障数据和某实际机组运行数据验证,结果表明,新模型能明显改善精度和可靠性。     

基于DSP的纸张缺陷实时检测系统设计

基于DSP的纸张缺陷检测系统,分别对该系统的硬件和软件部分进行介绍。硬件部分采用高性能的DSP芯片作为图像处理的核心部分,为缺陷检测的实时性提供了保证;软件部分采用支持向量机算法,克服了传统方法的大样本要求和维数灾难及局部极小问题,又把非线性空间的问题转换到线性空间,降低了算法的复杂度,提高了计算速度。通过将支持向量机识别算法嵌入到高性能DSP芯片中,很好地实现了纸张缺陷的实时检测。     

基于SVR的滴滤池处理TP关系模型研究

文章利用了支持向量机对滴滤池处理生活污水中的TP进行了细致的研究,建立出了支持向量机的TP去除率的模型,得到模型的准确性达到了82%以上,说明了模型的准确性科学性。同时建立了34个支持向量,通过投影高维面,很好的对TP去除率模型进行研究,对于工程中处理生活污水模型具有一定的意义。     

乳制品冷链物流预警研究

针对乳制品冷链物流过程中的质量问题,提出基于支持向量机的乳制品冷链物流预警方法。通过分析乳制品供应链的特点及业务流程,结合其安全现状和影响因素,根据层次分析法建立预警指标体系。对比不同核函数下支持向量机的预测精度,整合安全风险预警指标体系,构建基于径向基核函数的支持向量机预警模型。在MATLAB平台下结合LIBSVM工具箱对支持向量机参数编程寻优。实例分析表明,参数优化后的支持向量与默认参数下的支持向量机以及BP神经网络相比,运算速度更快、预测精度更高,能够有效地对乳制品冷链物流进行预警,具有较强的操作性和实际意义。