基于量子粒子群优化的SVM的模拟电路故障诊断

相比于小波变换,小波包变换具有较高的分辨率和细致的分析能力,是小波变换的延伸和发展。支持向量机具有较好的泛化能力,能够应用于模拟电路的故障诊断。鉴于支持向量机参数难以确定的问题,采用量子粒子群优化算法选取支持向量机的参数,将优化后的支持向量机与小波包变换相结合,利用小波包变换提取电路的故障特征,然后通过优化后的支持向量机对特征向量进行分类识别。最后通过对实例的分析,验证该方法的有效性。     

基于SVM的通信设备部件识别研究

为解决大型通信设备的部件识别问题,提出了一种将SIFT特征和SVM相结合的分类方法。首先,通过SIFT算法得到样本图片的feature集即特征向量,并通过K-means聚类算法得到中心矩阵,再分别将所有feature集与中心矩阵作欧氏距离计算并统计最小值位置,即可得到输入数据;然后,采用以高斯径向基函数为核函数的一对多SVM分类器进行训练;最后,对新的输入数据进行检测,并得到输出结果。试验结果表明,基于SVM的分类方法能够有效提高分类正确率,并达到92%以上。     

基于SVM的电力线定位的研究

一些大家被所熟知的基于TOA,TDOA,AOA,RSSI等室内定位的方法已经被研究了多年,虽然有些难点还未能攻克,但已经钻研得比较成熟了,而电力线高速数据通信技术是一个正在发展中的崭新学科,可以尝试将其与室内定位结合起来作为一个新兴的领域,开启室内定位的另一个新的天地。本研究将根据现有的电力线通讯技术为基础,提出基于电力线的室内定位技术,并对其进行了较深入、系统的研究,并针对定位准确度、移动设备环境影响方面存在的问题,采用人工智能和数据挖掘理论,提出了相应的解决方案。通过算法比较和实验分析,证明了方案的有效性和可行性。从支持向量机方法入手,安装支持向量机相关的插件,对样本信号强度数据进行分类和预测,并比较一般支持向量机和最小二乘向量机的分类预测效果,结果表明,最小二乘向量机的效果较好。     

基于SVM的入侵检测系统中特征权重优选方法综述

基于统计学习理论的支持向量机有较好的泛化能力,然而当样本含有与该问题不完全相关甚至完全无关的特征时,会使得各个特征对问题的相关程度差异很大,为了提高分类的正确率,对各个特征进行加权尤为重要。在入侵检测系统中,网络中的特征对分类结果的影响程度也是不同的,本文列举了对这些特征进行加权的几种方法。     

SVM 的光栅成像光谱仪图像畸变校准方法

成像光谱仪是一种图谱合一的光学遥感仪器。光栅成像光谱仪在获取数据立方体时,由于色散元件本身光谱展开的非线性,导致获取的条带像出现畸变,致使采样频率与拼接方式合理匹配时,获取的图像依然会出现畸变。利用边缘到中心灰度值渐变原理和遗传算法,更准确的提取畸变特征点,选择合适的参数,建立支持向量机回归数学模型,对畸变图像进行校正。与其常规畸变校正方法相比,该方法能够有效的兼顾全局校正法中存在的局部误差,提高校正精度。实验验证校正检验误差可以控制在0.5 个像素之内。     

基于SVM新闻文本分类的研究

网络新闻自动分类已经成为当下的热点问题,SVM分类算法是文本分类中应用较为成熟的一种方法.文章针对SVM文本分类中特征选择和核函数选择的两个重要问题,在新闻文本实验环境下进行了探讨,结果表明使用互信息特征选择法且特征数在4000左右,使用SIGMOID核函数的情况下准确率与召回率均可达到97％的分类效果.     

一种基于遗传算法的SVM决策树多分类方法

在当前的机器学习领域,如何利用支持向量机（SVM）对多类目标进行分类,同时提高分类器的分类效率已经成为研究的热点之一,有效地解决此问题对于提高目标的识别概率具有较大意义。本文针对SVM多分类问题提出了一种基于遗传算法的SVM最优决策树生成算法。算法以随机生成的决策树构建的SVM分类器对同一测试样本的分类正确率作为遗传算法的适应度函数,通过遗传算法寻找到最优决策树,再以最优决策树构建SVM分类器,最终实现SVM的多分类。将该算法应用于低空飞行声目标识别问题,实验结果表明,新方法比传统的1-a-1、1-a-r、SVM-DL和GADT-SVM方法有更高的分类精度和更短的分类时间。      

基于SVM的快速中文组块分析方法

基于结构风险最小化的SVM(支持向量机)统计学习理论随着样本数量的增加,不仅训练模型的时间开销会非线性地增长,而且分类的时间开销也会随着支持向量个数的增加而增大.为了使语言分析模型涵盖足够的语言现象并能快速完成模型训练和句子分析,采用了先将组块识别看成文本切分的二分类问题的办法,通过SVM对语料中不同类别词语分别建模,再从组块的构成知识进一步判定组块类型.实验结果表明,这种方法的分析速度和准确率都有一定的提高.     

基于PCNN和SVM的图像识别方法研究

利用脉冲耦合神经网络(PCNN)具有良好的脉冲传播特性,研究了利用PCNN进行图像分割的技术.针对模型参数和最优分割结果难以确定的问题,改进了标准PENN模型,提出了基于互信患量的PCNN图像分割方法.计算原图像与PCNN分割图像序列问的互信息量,对应最大互信息量的分割图像就是最佳分割结果.然后选取不同类型飞机图像提取不变矩特征,用支持向量机(SVM)实现分类识别.实验结果表明,该方法分割效果好,适应性强,能够很好地识别飞机图像.     

基于HOG特征与SVM的胶体气泡识别方法研究

本文提出了一种基于HOG特征与支持向量机的分类方法,来代替目前人工检测光纤连接器中的胶体是否存在气泡.该方法先对视频中的胶体部分进行逐帧取样,根据样本制作正、负样本训练集以及测试集,接着选择适当的参数提取了训练集和测试集中胶体气泡HOG特征,并通过支持向量机来进行训练和测试统计的HOG特征,来识别胶体是否存在气泡.最后以人工识别为标准,并与本方法的分类结果进行验证.其实验结果表明该方法能够有效地将有、无气泡的样本进行分类,并在时间和人力上取得明显的优势.     

基于SVM算法的真空断路器永磁机构故障诊断方法

永磁操动机构作为新式真空断路器常用的操动机构,其运行状态决定真空断路器的性能,因此有必要对永磁操动机构进行故障诊断研究。本文以ZW45-12型永磁机构真空断路器为研究对象,对真空断路器永磁机构行程曲线进行特征参数分析,选择断路器启动时间、动作时间、刚分合速度、分合闸平均速度等四个参数作为诊断特征参数;基于断路器分合闸实验数据,对比常用的故障诊断算法,结果表明SVM算法性能最优;基于Spark平台搭建使用SVM算法的永磁机构故障诊断模型,并通过不断调整SVM算法的惩罚参数C和核函数kernel,对诊断模型进行优化。优化的SVM故障诊断模型对永磁机构回路电阻增大、机构卡涩及分闸弹簧单根脱落故障诊断精确率均在90%以上,分闸弹簧单根脱落故障诊断准确率可达96%,可以满足永磁机构故障诊断精度需求。研究结果为永磁机构的故障诊断提供参考。     

基于粗糙集属性约简的SVM异常入侵检测方法

文章提出了基于粗糙集属性约简的支持向量异常入侵检测方法。为验证该方法的有效性,对实验数据集KDD99分别用粗糙集属性约简的支持向量分类方法和传统的支持向量分类方法进行实验仿真,并把两者的实验结果进行对比。实验证明,基于粗糙集属性约简的支持向量异常入侵检测方法在检测精度相当的情况下,有效的降低了检测时间并减少了存储空间。     

基于SVM的车牌区域定位系统研究

提出了一种基于SVM算法的汽车车牌定位方法。首先介绍了SVM的数学模型以及汽车车牌图像特征信息的提取方法,然后在VC环境下测得本方法可以使车牌定位的精度和效率都较高,有一定的实用价值。     

基于SVM的语音情感识别研究

随着计算机技术的发展,人们对和谐人机交互的要求不断提高,这就要求计算机能理解说话人的情感信息,即能进行语音情感识别。本文提出了一种基于支持向量机（SVM）的语音情感识别方法,主要对人类的6种基本情感：高兴、惊奇、愤怒、悲伤、恐惧、平静进行研究。首先对自建语音情感数据库的情感语句提取特征,然后运用序列前向选择（SFS）算...     

基于SVM的金属发射率预测模型研究

根据金属原子特征,提出了基于支持向量机(support vector machine,SVM)金属发射率预测模型.通过分析原子的原子量、原子半径、第一电离势和电负性等特征,选择合适的惩罚参数和多项式核函数,利用一定的训练样本,建立了基于SVM的金属发射率预测模型.通过实例验证了该方法的有效性.     

基于支持向量机(SVM)的图像去噪方法

提出了一种基于支持向量机进行图像去噪的方法。该方法利用支持向量回归技术构造图像去噪所需的滤波器．其中特征的提取和训练样本的设计旨在抑制不同类型的噪声。实验结果表明，该方法能够有效去除噪声，并能较好地保护边缘信息，适用于边缘检测等操作的预处理。     

基于可变特征空间SVM的互联网流量分类

支持向量机（support vector machine,SVM）是一类具有良好泛化能力的机器学习算法,适合应用于互联网动态环境下的流量分类问题。目前将SVM扩展到流量分类这样的多分类问题的方法主要有One-Against-All和One-Against-One方法。这些方法都基于单一的特征空间训练SVM两分类器,没有考虑到不同特征对不同流量类的不同区分能力,因此获得的分离超平面并不是最合理的。为此提出了可变特征空间的SVM集成方法,即为每个两分类 SVM 构建具有最优区分能力的独立特征空间,单独训练两分类 SVM,最后再利用One-Against-All和One-Against-One方法集成为多分类器。实验表明,与原来的单一特征空间的One-Against-All和One-Against-One集成方法相比,提出的方法能有效提高流量分类器分类精度和召回率,更易获得最优分离超平面。     

基于SVM的论文元数据抽取方法研究

通过分析多分类支持向量机(SVM)的特点,建立了基于平衡二叉树的支持向量机模型BBT-SVM,并在训练过程中调整相关参数,得到目标支持向量机.针对PDF文件的特点,应用pdfbox开源库对PDF文件进行解析,去除PDF文件的文件头、交叉引用表以及文件尾等额外的文档描述信息,得到目标信息;最后利用libsvm开源库对PDF格式论文解析后的目标信息进行论文元数据抽取.实验结果表明:各类元数据的查全率都在86%以上,查准率都在92%以上,F度量值都在89%以上,与基于正则表达式的方法相比提高了20%以上,效果较好.