基于小波变换和FRVM的电能质量扰动分类

针对相关向量机(RVM)计算复杂度大、训练时间长的问题,提出一种基于快速相关向量机(FRVM)的优化算法,其大大减少了相关向量机的训练时间,提高了分类的精度.将它应用于电能质量扰动分类中,首先对电能质量扰动信号进行基于小波变换的时频分析,提取小波变换各层信号的能量与标准信号的能量之差组成特征向量;然后用FRVM对特征量进行分类,进而实现基于小波变换和FRVM的电能质量扰动分类新方法.实验仿真验证了该方法能够对各类电能质量扰动信号进行分类,并且其分类效率和准确率均优于传统的相关向量机分类方法.     

短时电能质量扰动分类方法研究

为了准确检测短时电能质量扰动问题,提出了一种基于K-L变换和支持向量机多值分类器的短时电能质量扰动分类方法。采用离散小波变换获得信号在不同分解尺度下的能量分布作为原始特征空间;运用K-L变换进行模式识别特征空间的提取;设计了适用于短时电能质量扰动的支持向量机多值分类器。实验结果表明,对原始能量特征进行K-L变换后,可以提高分类准确率;支持向量机多值分类器的分类结果优于BP神经网络。     

基于组合特征和BTSVM的电能质量扰动识别

为了克服单一特征不能完全表征各种暂态扰动信号特征的不足,提出了一种基于组合特征和二叉树结构支持向量机相结合的电能质量多分类方案。利用小波包变换对扰动信号进行分解,提取特定频带下信号的能量,利用S变换获得扰动信号的模矩阵,从中提取出特征信息,然后将多频带信号的能量和对应的S变换特征信息组合得到组合特征。对依据聚类思想设计出的二叉树结构支持向量机分类器进行了训练和测试。仿真结果表明,该方法具有较好的准确性和识别速度,能够有效识别常见扰动信号,平均识别率提高了6%以上,测试总用时缩短0.06秒,训练时间减小1.8秒。     

基于改进支持向量机的仿真电路故障诊断研究

研究电路的故障问题,应提高快速性和准确性。为提高仿真电路故障诊断效率,给出了一种基于改进支持向量机的仿真电路故障诊断方法。首先通过小波包变换实现了信号的能量特征提取,根据主元分析完成了特征压缩;其次针对支持向量机多分类一对一方法存在的不可分类区,将其与最近邻分类法相结合,实现了电路的故障诊断,并提出了一种混合遗传算法实现了小波函数和支持向量机参数的同步选择;最后通过一仿真电路的仿真实验,与BP,RBF和PNN等神经网络对比,结果显示基于支持向量机的方法诊断精度最高,达到98%,为设计提供参考依据。     

一种雷达辐射源信号分类新方法

针对复杂体制雷达辐射源信号分类问题,提出一种基于时频分析、图像处理和支持向量机的辐射源信号分类新方法.该方法将辐射源信号分类问题转换为图像处理及识别问题,先对辐射源信号进行时频分析,获得时频分布图,并将其转化为灰度图像并作归一化处理,再用支持向量机对处理后的图像进行分类.5种典型辐射源信号分类实验表明,该方法在信噪比高于2.5 dB时,平均正确分类率达92%以上.     

基于改进卷积神经网络的电能质量异常扰动研究

针对电能质量扰动信号种类繁多、分类精度低以及现有分类算法抗噪性低、鲁棒性差的问题，文章提出一种改进卷积神经网络的电能质量扰动信号分类方法。采用S变换提取电能质量扰动信号特征，采用分类回归树算法对提取特征进行选择，采用改进CNN卷积神经网络对电能质量扰动信号进行分类。测试结果表明，在SNR=15 dB和SNR=25 dB的强噪声环境下，3种改进子模型在一定的迭代次数后，对8种不同扰动信号的训练精度都可达99%以上，同时对电能质量扰动信号的平均识别率达96%以上，表现出很强的抗噪性、高鲁棒性和和高分类精度的特点。     

基于自适应提升小波变换的电能质量检测节点

利用自适应提升小波变换和支持向量机进行电能质量扰动识别,将无线传感网络技术应用于电能质量无线检测系统。介绍了自适应提升小波变换算法和系统的软硬件架构,设计了以DSP和ARM为核心的电能质量检测节点,说明了TinyOS的移植和系统任务的设计过程。     

基于S变换模矩阵的电能质量暂态检测

针对配电网暂态电能质量扰动分类方法复杂度高和扰动定位不精确的问题,提出了一种基于S变换模矩阵与分类规则树的扰动自识别及定位方法.该方法通过对信号进行S变换进而从变换结果中提取四个特征量判据,然后基于分类规则树形成自识别方法;再采用S变换模矩阵的幅值包络方法和幅值平方和均值方法,检测扰动信号的幅度变化以及定位起止时间.通过仿真验证该方法能够以较低的复杂度完成对扰动信号的快速、准确分类与定位.     

基于小波变换和样本熵的心音识别研究*

讨论了一种非线性动力学与时频分析结合的心音信号分析方法,首先利用小波变换去除信号中的噪声干扰,然后提取心音信号的样本熵（SampEn）特征值。最后通过支持向量机分类器验证表明,该算法能有效提高心音信号分类识别的准确率,对实现疾病辅助诊断具有很大的价值。     

相关向量机分类方法的研究进展与分析

相关向量机(RVM)是一种基于贝叶斯模型的监督机器学习算法,可用于处理回归以及分类问题.与支持向量机(SVM)相比,相关向量机的优点在于其输出结果是一种概率模型,其相关向量的个数远远小于支持向量的个数,并且测试时间短.总结了相关向量机的基本原理及主要应用领域,详细阐述了相关向量机的模型结构以及分类方法,重点介绍了在高光谱图像分类中的应用.并针对RVM算法在高光谱图像分类中的不足,给出了多种改进方案,并作以比较.希望对研究者今后的研究有所启发,以促进该领域的发展.     

基于模糊度的计算几何分类器权重分配

为了充分发挥计算几何组合分类器的可视化特性,从类空间类别分布模糊特性出发,提出一种基于类空间模糊度的权重分配方法.该方法首先将子分类器由空间的类别表示转变为类别的空间表示,进而利用粗糙集理论分析各空间的模糊度,并将其作为该子分类器的权重.实验表明,利用模糊度信息进行加权后的分类器不但能与可视化特性更好地吻合,增强分类过程的可理解性,而且在分类精度上得到了进一步的提升,扩展了应用领域.     

GM(1,2) 模型改进方法研究及应用

针对 GM(1,2)建模难点和模型缺陷提出两种改进方法:一是运用相关匹配算法,在历史数据库中搜索与主序列具有强关联特性的数据序列,确定为模型参考序列;二是引入粒子群算法,以模型预测性能评价指标为目标函数对模型参数进行辨识,改善模型预测性能.算例结果表明了改进方法的适用性和有效性.     

基于RVM的非线性预测控制及在聚丙烯牌号切换中的应用

针对由被控对象非线性和优化目标函数非凸性带来的建模与实时优化问题求解的困难,提出一种基于相关向量机(RVM)的非线性多步模型预测控制算法.采用RVM建立非线性预测模型,并将差分进化算法引入非线性预测控制中发挥其伞局最优、鲁棒、快速收敛等优点,在线求解多变量、多约束的非线性规划问题.利用实际生产数据进行聚丙烯牌号切换仿真,结果表明,该算法可大幅度减少切换时间,降低过渡料产量,提高经济效益.     

结合SVM和DS 证据理论的多极化HRRP 分类研究

针对雷达目标一维距离像(HRRP)识别问题,结合支持向量机(SVM)和 DS 证据理论提出一种多极化HRRP 分类方法—–SDHRRP.该方法通过混淆矩阵获取基分类器之间的距离,从而根据基分类器对不同目标类的分类能力给其赋予不同的可信度.将该可信度值与 SVM 后验概率结合到 DS 证据理论的基本概率赋值(BPA)中,以实现 SVM 和 DS 证据理论在目标识别中的有效结合.对实测目标数据的实验结果表明,基于分类器可信度得到的 BPA 能够有效避免证据冲突, SDHRRP 方法可以有效降低融合分类的误差率.     

基于强基因模式组织算法的VRPTW研究

提出一种强基因模式组织算法,给出了强基因模式、连续模式以及对称模式的定义,使用节约法提取强基因模式.设计了选择、变异和模式重组算子,同时建立了以运输成本为目标、具有时间窗等约束的车辆路径问题模型.将该算法与改进的遗传算法、改进的差分进化算法和节约法对模型进行仿真实验.结果表明,强基因模式的应用及模式重组算子大大缩小了解的搜索空间,提高了算法的收敛速度和解的精度,其性能优于其他3种算法.     

基于直觉模糊证据合成的多传感器目标识别

对证据理论和直觉模糊集理论之间的本质联系进行分析,提出一种基于直觉模糊集改进的证据合成实用算法用于多传感器目标识别.根据直觉模糊集中隶属度和非隶属度的概念,对证据理论的可信度函数模型进行改进,提出了直觉模糊可信度分配函数模型并构造了相应的证据合成规则,以提高证据合成计算效率,使合成结果便于最终决策.通过与其他算法的对比实验验证了所提出算法的有效性.     

水火电力系统短期优化调度的一种改进粒子群算法

针对水火联调问题,建立满足电量平衡、水量平衡、机组特性及综合利用要求的短期优化调度模型,提出了一种改进粒子群算法(MPSO).MPSO针对粒子群算法易早熟收敛的弊端,引入了变异操作,使粒子以一定的概率向其他粒子个体最好解学习;针对粒子群算法在进化后期多样性受损易陷入局部最优的缺陷,引入了迁徙操作,在种群聚集程度不能容忍时重新生成解空间内均匀分布的粒子.对某典型水火电力系统优化问题的求解结果表明,MPSO比其他方法更有效.     

基于强化学习的适应性微粒群算法

惯性权重足微粒群算法(PSO)的重要参数,它可以甲衡算法的全局和局部搜索能力的关系,改善算法的性能.对此,提出一种基于强化学习的适应性微粒群算法(RPSO).首先将不同惯性权重调整策略视为粒子的行动集合;然后通过计算Q函数值.考察粒子多步进化的效果;进而选择粒_了最优进化策略,动态调整惯性权重,以增强算法寻找全局最优的...     

直觉模糊POWA算子及其在多准则决策中的应用

为了解决具有优先级的直觉模糊多准则决策问题,定义了直觉模糊优先有序加权平均(IFPOWA)算子.基于优先关系.利用直觉模糊值修正得分函数给出其关联权重向量的计算方法,分析并证明了IFPOWA算子的性质;提出了基于IFPOWA算了的具有优先级的直觉模糊多准则决策方法.最后,利用实例对方法的有效性进行了分析.     

基于微粒群算法的转炉合金加入量多目标优化模型

针对转炉炼钢过程中钢水出钢环节脱氧合金剂加入量确定的问题,建立了合金加入量优化计算模型.首先,利用支持向量机建立钢包元素含量预测模型,将该模型的预测结果与元素规定含量的误差作为优化模型的一个目标函数,合金成本作为另一个目标函数;然后利用预测收得率方法计算合金加入量并作为优化模型的初始值,使用改进的动态邻域多目标微粒群算法对优化模型进行求解,有效地找出Pareto最优解集,并根据实际需要得出较好的优化结果.仿真实验表明了该优化模型的有效性.