基于支持向量机的农村劳动力转移预测

分析目前影响农村劳动力转移的主要因素,运用支持向量机理论将农村劳动力转移的主要影响因素作为量化指标,从农村经济持续发展的角度,结合<宁夏统计年鉴>1990～2002年数据,建立基于支持向量机的农村劳动力转移预测模型.对预测结果和精度进行分析,验证了该方法的有效性.     

基于灰度信息和支持向量机的人眼检测方法

提出一种基于灰度信息和支持向量机的人眼检测方法.首先,利用人眼区域灰度变化比人脸其他部位灰度变化明显的特征,采用图像灰度二阶矩(方差)建立人眼方差滤波器,在固定人眼搜索区域内,应用人眼方差滤波器搜索候选人眼图像;然后,使用训练的支持向量机分类器精确检测人眼区域位置;最后,采用图像灰度信息率定位人眼中心(虹膜中心).该方法在BioID、FERET和IMM人脸数据库中的测试结果显示:没有佩戴眼镜人脸图像正确率分别为98.2%、97.8%和98.9%,406幅佩戴眼镜人脸图像正确率为94.9%;人眼中心定位正确率分别为90.5%、88.3%和96.1%.通过与目前方法比较,该方法获得较好的检测效果.     

多支持向量机在高炉喷煤规则挖掘中的应用

高炉冶炼受生产过程运行规律和生产技术人员操作方式支配,由于对高炉的认识还不充分,在高炉冶炼操作过程中有时忽略了工艺指标与参数之间的相互关系,造成能源的消耗。寻求高炉冶炼喷煤过程的操作规则对生产节能降耗就显得尤为重要。选取蕴含有客观规律和生产技术人员操作决策模式等重要信息的生产历史数据,选出满足优化标准的数据,运用模糊C均值聚类将数据分成子集,分别建立相应的支持向量机子模型,将输入对应每一类的隶属度值再作为权值进行加权求和得到模型最终的输出值,从而建立起高炉冶炼喷煤的操作规则模型。通过规则挖掘实现对高炉现场冶炼过程的指导,达到优化高炉生产操作模式的目的。     

基于支持向量机的低压故障电弧识别方法

故障电弧是引发电气火灾事故的主要原因之一。本文将支持向量机引入故障电弧研究领域,进行不同负荷情况下的故障电弧识别检测。首先参照美国ULl699标准进行实验采集电流数据,然后利用支持向量机实现故障电弧的训练、检测识别,并对训练、识别结果进行了分析,实验证明本文的检测方法具备一定的泛化能力。     

基于支持向量机的围岩定性智能分级研究

本文将数据挖掘的新方法支持向量机应用于隧道围岩分级.支持向量机是一种基于统计学习理论的新的学习算法,比神经网络算法能更好地解决小样本问题.选用岩层厚度、岩体结构、嵌合程度、风化程度、地下水特征、节理发育程度、榔头敲击声和地应力等 8 个定性指标作为评判因子,用泥巴山隧道采集的实际数据作为样本对不同核函数的支持向量机进行训练,并得到评判因子与围岩级别的映射关系,从而可以对未知的围岩样本进行级别判别.判别结果表明:采用多项式核的支持向量机对围岩级别进行判别有较高的准确率,是一种值得推广和应用的围岩智能分级方法.     

一种基于聚类的支持向量机增量学习算法

提出了一种基于聚类的支持向量机增量学习算法.先用最近邻聚类算法将训练集分成具有若干个聚类子集,每一子集用支持向量机进行训练得出支持向量集;对于新增数据首先聚类到相应的子集,然后计算其与聚类集内的支持向量之间的距离,给每个训练样本赋以适当的权重;而后再建立预估模型.此算法通过钢材力学性能预报建模的工业实例研究,结果表明:与标准的支持向量回归算法相比,此算法在建模过程中不仅支持向量个数明显减少,而且模型的精度也有所提高.     

基于样条函数的光滑支持向量机模型

应用光滑函数改进支持向量机模型,得到无约束条件、可微的二次规划问题,从而可以采用快速的最优化算法求解光滑支持向量机模型.提出了一种广义三弯矩方法,用这个方法构造出新的五次样条光滑函数和七次样条光滑函数.证明了上述两个样条光滑函数的逼近精度均高于已有的各种光滑函数;基于上述两个样条函数的光滑支持向量机模型的收敛精度也高于已有的各种光滑支持向量机模型.     

基于支持向量机的铁水硅含量的预测

为了准确预测高炉炼铁过程的硅含量,分析了高炉工艺参数对高炉铁水硅含量的时序性影响,以支持向量机理论为基础构建了2类铁水硅含量预测模型,即硅含量模型和硅变化量模型。利用首钢迁钢3号高炉铁水硅含量数据进行模型测试,测试结果表明2类模型预测命中率均可达到80%。     

基于支持向量机灵敏度的轧制过程模型仿真

为了获得轧制过程的仿真模型,本文利用支持向量机建立轧制力模型,并将所建立的轧制力模型分别对各输入变量进行偏微分,从而进行轧制过程出口厚度灵敏度系数计算,使轧制模型简化,可以解决解析方法难以求解的轧制过程"代数环"问题,有利于在线监控.模型仿真表明基于灵敏度的轧制厚度模型与解析模型对比,具有很高的精度,可以有效、准确地分析在干扰因素作用下各变量的变化情况.     

基于支持向量机起重机载荷谱获取方法的研究

采用支持向量机的非线性回归理论,建立相应类型桥式起重机工作循环次数与不同额定起升载荷和起升载荷之间的非线性映射关系——构建出桥式起重机的当量载荷谱,并利用可视化程序设计语言VC++6.0编制了起重机载荷谱获取与预测的应用软件。经工程实例验证:使用本软件构建相应类型桥式起重机的当量载荷谱是可行的,同时为起重机疲劳寿命评估软件的编制奠定基础。     

基于多目标支持向量机的ADHD分类

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一,在大多数情况下持续到成年期。近年来,基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的,然而事实上,ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本,从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题,即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征,提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型,其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差,进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解,并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估,并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好,可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断,还可用于阿尔茨海默病和自闭症等疾病的辅助诊断。      

基于支持向量回归机的矿体品位插值

使用与自组织神经网聚类相结合的支持向量回归机预测模型对矿体体素品位进行插值,并与多边形法、距离幂次反比法、克里格法进行对比验证.结果表明,该预测模型进行品位插值具备很好的可行性和可靠性.     

基于支持向量机的连铸板坯表面温度预测

提出了一种最小二乘支持向量机的连铸板坯表面温度预测新模型.以中间罐温度、拉速、二冷水量等主要工艺因素为输入,连铸坯表面温度为输出,通过最小二乘支持向量机模型拟合输入与输出之间的复杂非线性函数关系.以现场采集的连铸生产工艺数据为样本对模型进行学习训练,用训练好的模型预测在一定工艺条件下板坯的表面温度.实践表明该方法具有建模速度快、预测精度高、操作简便等优点,不仅克服了常规的BP预测模型的不足,而且性能优于标准支持向量机预测模型.     

隧洞岩体质量分级的支持向量机方法

将支持向量机应用于岩体质量等级分类中,采用工程中适用性强的指标如岩石质量指标、完整性系数、单轴饱和抗压强度及结构面摩擦因数,作为判别因素.选用径向基核函数进行训练,通过交叉验证确定最佳模型参数,建立了岩体质量分级模型.该模型采用成对分类方法构建多类分类模型,与已有文献采用一对多分类法构建支持向量机多类分类模型相比,不可分区域减少很多,即模型分类精度提高显著.将该模型应用于工程实例,结果表明预测结果与工程勘测结果完全吻合,证明了支持向量机岩体质量分级方法的有效性.     

基于支持向量机算法的连铸坯端面信息码识别方法

针对传统的连铸坯端面信息码人工识别存在的受生产现场环境和人为操作因素影响大且易出错的问题,提出了基于支持向量机算法的连铸坯端面信息码识别方法.该方法使用Python语言,利用滑动窗口从采集的图像中抽取对象,进而对数据集样本进行训练,通过使用滑动窗口物体检测算法和支持向量机分类器模型,完成对连铸坯端面信息码的智能识别.详...     

基于支持向量机的轧钢电机状态综合评价方法

提出了一种面向设备管理的基于支持向量机(SVM)的轧钢电机状态综合评价方法。选取与电机状态密切相关的参数为评价指标,构建模拟电机状态综合评价体系的SVM评价模型,输出电机状态综合评价等级,制定绝对报警和相对报警两种警情设置,并建立警情溯源机制,从而为及时准确掌握电机状态和预报电机状态迁移趋势提供依据,有效防范渐变性故障的发生。以济钢热连轧厂粗轧上位电机为评价对象,基于历史监测数据构建电机状态SVM评价模型,并检验其有效性。实验结果表明,粗轧电机状态评价方法整体准确率为96.67%,对异常设备状态捕捉率为88.89%,异常状态误报率为3.33%。     

基于支持向量机的露天转地下开采边坡变形模型

提出了一种基于支持向量机的露天转地下开采边坡变形模型,有效表达了地下开采扰动引起露天矿边坡变形的非线性变化关系.采用RBF核函数学习现场监测数据,利用交叉验证选择模型参数,通过学习捕捉支持向量,建立模型预测未来变化趋势.将该模型应用于露天转地下开采的杏山铁矿.结果表明,支持向量机对学习样本的拟合精度极高,其预测精度也很高.采用捕捉的支持向量进行预测,便捷快速且有较强泛化能力.     

基于支持向量机的重大科技项目立项依据评估研究

支持向量机作为一种机器学习算法,具有出色的学习性能,尤其在小样本识别方面具有独特的优势.重大科技项目的立项依据评估是科研管理中非常重要的一个环节,如何准确、客观和有效的刷选出科技项目是一个值得研究的问题.基于重大科技项目具有备选项目少、立项精的特点,建立了重大科技项目立项依据评估的指标体系,提出了基于支持向量机的立项依据评估模型,案例表明该模型能够很好地筛选出优秀的重大科技项目.     

基于遗传算法优化的支持向量机品位插值模型

将支持向量机(SVM)和遗传算法(GA)集成应用到矿体品位插值问题中,利用遗传算法全局搜索的优势对支持向量机的三个关键参数——惩罚系数C、不敏感系数ε和核函数参数σ进行寻优,克服单纯支持向量机法中依靠经验确定参数的局限性.将优化参数代入到支持向量机中进行迭代训练,得到基于遗传算法参数优化的支持向量机(GA-SVM)矿体品位插值模型.以国内典型矿山的实际勘探数据为例,通过该品位插值模型计算结果与传统插值方法计算结果和矿山生产实际数据的对比分析,验证了其可行性和有效性.     

基于最小二乘支持向量机的交通流量预测模型

城市交通流具有复杂性、时变性和随机性,实时准确的交通流量预测是实现智能交通诱导及控制的前提.综合分析交通流量影响因素的基础上,进行多路段的交通流量预测研究,提出了基于最小二乘支持向量机的交通流量预测改进模型,并应用平安大街的流量数据进行实例验证.结果表明,该模型具有学习速度快、跟踪性能好及泛化能力强等优点,在交通流预测中更具有实用性和推广性.