基于改进PSO优化LSSVM的传感器补偿研究

针对最小二乘支持向量机在对传感器进行补偿时,正则化参数和核函数参数对补偿精度影响较大的问题,提出一种利用改进的粒子群优化算法优化最小二乘支持向量机模型参数的传感器补偿方法。该方法利用改进的粒子群优化算法优化最小二乘支持向量机模型的正则化参数和核函数参数,避免了人工选择参数的盲目性,提高了最小二乘支持向量机模型的预测精度。仿真实验表明,在传感器的补偿时,该方法比最小二乘支持向量机模型的补偿精度更高。     

一种基于Cholesky分解的动态无偏LS-SVM学习算法

针对最小二乘支持向量机用于在线建模时存在的计算复杂性问题,提出一种动态无偏最小二乘支持向量回归模型.该模型通过改进标准最小二乘支持向量机结构风险的形式消除了偏置项.得到了无偏的最小二乘支持向量机,简化了回归系数的求解.根据模型动态变化过程中核函数矩阵的特点,设计了基于Cholesky分解的在线学习算法.该算法能充分利用历史训练结果,减少计算复杂性.仿真实验表明了所提出模型的有效性.     

离散数据拟合模型的研究与实现

最小二乘支持向量机引入到离散数据拟合中,代替传统的最小二乘法解决离散数据拟合问题。推导了用于函数估计的最小二乘支持向量机算法,构建了基于最小二乘支持向量机的离散数据拟合模型,并对电机数据拟合进行了研究。结果表明,最小二乘支持向量机拟合离散数据比最小二乘法精度更高、拟合效果更好。     

混合核函数稀疏LS-SVM软测量建模与应用

针对最小二乘支持向量机存在的稀疏性欠缺和单核函数局限性问题,本文提出一种基于混合核函数稀疏最小二乘支持向量机的软测量建模方法.该方法使用多项式核函数和RBF核函数线性加权构成混合核函数,兼顾最小二乘支持向量机的全局拟合能力与局部拟合能力,以矢量基学习作为稀疏解算法,改善最小二乘支持向量机的稀疏性,在精简模型结构的同时,避免冗余信息中的噪声过多的拟合到模型参数中,进而采用粒子群算法优化模型部分参数.将此方法分别应用于Mackey- Glasss混沌模型的时间序列预测和乙烯精馏塔塔釜乙烯浓度预测,应用结果表明该方法较最小二乘支持向量机、稀疏最小二乘支持向量机以及混合核最小二乘支持向量机具有更好的泛化效果和预报精度,兆示出其良好的应用潜力.     

基于粒子群最小二乘支持向量机的水文预测

支持向量机理论为研究中长期水文预测提供了新的方法。针对最小二乘支持向量机模型参数选择费时且效果差这一问题,给出基于粒子群算法的最小二乘支持向量机水文预测模型(PSO-LSSVM)。该模型运用最小二乘支持向量机回归原理建立,参数选取采用具有全局搜索能力的粒子群算法进行寻优。用此模型对南桠河冶勒水电站月径流进行预测,仿真计算结果表明,该算法可提高预测效率与预测精度。     

基于EEMD-GWO-LSSVM的公共交通短期客流预测

为了提高大型公共交通短期客流预测精度,提出了一种在利用集成经验模态分解原始数据的条件下,采用灰狼优化算法优化最小二乘支持向量机（EEMD-GWO-LSSVM）的算法,利用该算法实现城市大型公共交通短期客流预测。该模型采用EEMD分解原始数据,将分解后的各个本征模函数（IMF）分量运用最小二乘支持向量机进行回归预测,最小二乘支持向量机的预测参数由灰狼算法进行优化。通过对西安地铁二号线北客站一个月进出站人数进行训练预测,将预测结果和支持向量机（SVM）,自回归移动平均模型（ARIMA）,仅利用灰狼优化参数的最小二乘支持向量机（GWO-LSSVM）算法以及基于交叉检验进行参数优化的最小二乘支持向量机进行对比,分析得出该算法具有更加精确的预测结果。     

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。     

一类非平坦函数的多核最小二乘支持向量机的鲁棒回归算法

给出了标准最小二乘支持向量机的数学回归模型,并提出了多核最小二乘支持向量机算法,用于提高非平坦函数的回归精度.运用谱系聚类方法解决多核最小二乘支持向量机的解缺乏稀疏性的问题.利用偏最小二乘回归方法对多核最小二乘支持向量机进行了鲁棒回归.通过仿真实例证实了所提方法的有效性.     

基于最小二乘支持向量机的车牌字符特征分类研究

最小二乘支持向量机是一种新的有效的机器学习算法。论文介绍了最小二乘支持向量机模型,研究了最小二乘支持向量机算法和经典的多类分类算法,提取车牌字符的奇异值特征,将奇异值系数特征作为最小二乘支持向量机的输入进行训练和分类。实验采用 LS‐SVM 工具箱,得到了较好的结果。     

基于自适应遗传算法LS-SVM的网络流量预测

网络流量受众多因素的影响并且具有复杂的非线性特点,因此网络流量的预测和分析是一个很复杂的问题,最小二乘支持向量机能够成功地解决非线性问题并应用于网络流量的预测和分析.提出一种最小二乘支持向量机模型,将自适应遗传算法用于最小二乘支持向量机参数寻优,并将该模型用于网络流量的预测和分析.对比实验表明,基于最小二乘支持向量机的网络预测模型具有更强的预测能力,在网络流量预测中有一定的实用价值.经实例验证,该模型预测精度高.     

基于Bouc-Wen类迟滞模型的压电微动台建模

针对压电微动台驱动时,由压电陶瓷产生的迟滞现象,提出了一种迟滞模型.基于Bouc-Wen迟滞模型的基本思想,并针对Bouc-Wen迟滞模型进行了优化改进,大大降低了模型参数的辨识难度,缩短了运算时间,保证了模型的较高精度要求.为了验证模型的正确性,运用相关的实验设备对模型进行了实验验证.结果表明:改进后的模型定位误差为0.1866μm,最大相对误差为0.467%,验证了模型具有较高的精度以及该迟滞模型的可行性,为后续压电微动台控制器的设计提供了一种可行方案.     

工作流模型的扩展及其形式化描述

工作流是一类能够部分或全部由计算机支持或自动处理的业务过程,工作流模型是对工作流的抽象表示,也就是对业务过程的抽象表示。论文以过程工程理论建立的企业模型作为工作流模型的扩展思想,归纳出了工作流模型设计原则,并对现有的扩展方法进行了分析;最后提出了一种工作流模型,该模型由过程模型、活动模型、组织模型、资源模型和信息模型五个子模型组成,并给出了各子模型的形式化描述。     

基于Web Services的模型库系统设计方案

在对Web services技术进行简单总结的基础上，给出了基于Web services的可重用模型库体系结构的设计方案，以AHP模型为例，分析了模型的Web services表示、模型服务发布、发现、调用以及模型服务查询等问题。给出了一个应用实例，利用Web services技术建立了一个共享的模型库系统。     

基于演化建模的图像配准模型

传统的多项式配准模型原理直观,计算简单,但由于采用多项式建立模型,往往带有局限性,对于复杂的配准可能无效;传统的物理配准模型虽然配准精度较高,但对成像的各种因素需要精确掌握,实际操作难度较大。演化建模只需要根据问题的特征来确定模型结构的一些基本组成单元,就可以自动建立较为精确的模型。针对以上传统图像配准模型的不足,并考虑到演化建模具有智能挖掘模型的优点,提出了一种基于演化建模的图像配准模型。最后给出了该方法在图像配准中的实验,实验结果表明该方法有较高配准精度,适用于图像配准。     

基于三层植物模型的大规模植物模拟方法*

针对在大规模植物模拟中基于三维几何网格模型的植物模拟方法内存消耗大,以及基于二维平面模型的植物模拟方法近视点模糊缺陷问题,提出了一种基于三层植物模型的大规模植物模拟方法。该方法将大规模植物分为三层：精度高的几何网格模型层、精度适中的Impostor模型层和精度低的Billboard模型层。根据植物到视点的距离,动态加载相应层中的模型,即当植物距视点较近时,加载精度高的几何网格模型层中的模型;当植物距视点较远时,加载精度适中的Impostor模型层中的模型;当植物距视点很远时,加载精度低的Billboard模型层中的模型。最后,利用Ogre图形引擎对三种植物模拟方法进行了渲染效果对比实验。由实验结果可知,该方法可以在低内存消耗情况下,取得与基于三维几何网格模型的植物模拟方法一样的逼真感,取得与基于二维平面模型的植物模拟方法相近的渲染速度。     

基于逆模型辨识的Wiener型传感器动态补偿研究

在测量系统中许多传感器动态特性是一个非线性Wiener模型,即存在着严重的静态非线性和动态响应滞后.为了补偿动态误差,采用模型参考和Wiener逆模型辨识的算法建立动态补偿单元.补偿单元由一个静态逆模型和动态逆模型构成.通过静态标定方法,采用单输入/单输出的模糊小脑神经网络(SISO-FCMAC)建立传感器静态非线性模...     

基于认知理论和随机开放性测试的动态学生建模研究

论文从认知理论出发,提出了一种实用的学生建模方法,即以信息模型和学习模型的组合形式进行学生建模,并采用认知模型、覆盖模型和测试模型对学习模型进行描述。该学生模型可以很好地实现学生模型的动态修改以及教学策略的自适应调整。文中对基于随机算法的开放性测试进行了研究,给出了它的实现算法,并进一步讨论了基于此算法的学生模型修改策略。最后,讨论了基于认知理论与随机开放性测试的动态学生模型在ICAI中的实践,建立了一个ICAI集成教学系统。     

面向汽车外形空气动力学优化的代理模型方法

针对代理模型在汽车外形气动优化上的适应性研究较少的现状,运用不同数量样本点构建径向基函数(Radial Basis Function,RBF)模型、多项式模型和Kriging模型等3种常用代理模型.对比发现,在样本点相同的情况下,RBF模型的精度最高,最优解更好.在样本点增加的基础上,多项式和Kriging模型的精度提高,但计算量也大幅增加;多项式最优解更接近RBF模型的最优解,而Kriging模型最优解仍不理想.综合评估可知RBF模型更适用于汽车外气动优化.     

细粒度的基于角色的访问控制模型

RBAC模型是一种被广泛应用的访问控制模型。但是,RBAC模型是在角色级管理和控制权限,不能满足用户获得角色的部分权限和角色权限的部分继承等安全需求。针对这个问题,在RBAC模型中增加权限的重要程度要素,提出了FGRBAC模型（Fine-Grained Role-Based Access Control Model--细粒度的基于角色的访问控制模型）,并给出了在FGRBAC模型中求用户权限和角色权限的算法。FGRBAC模型不仅可以使用户获得角色的部分权限、父角色可以继承子角色的部分权限,而且RBAC模型可被看成是FGRBAC模型的一种特例。因此,FGRBAC模型不仅具有RBAC模型的所有优点,而且比RBAC模型具有更好的灵活性和实用性。     

面向SaaS运营的主成分分析组合预测模型

为了建立面向SaaS运营的预测模型,提出了一种基于主成分分析的组合预测模型并应用于SaaS运营预测中。利用相空间重构预测模型、灰色预测模型和三次指数平滑预测模型这三种单一预测模型,结合主成分分析策略,建立组合预测模型。仿真实验结果表明,基于主成分分析的组合预测模型的预测精度高于各单一预测模型,发挥了各单一预测模型的优势,是面向SaaS运营预测的一种有效方法。