RRS + LS-SVM: a new strategy for “a priori” sample selection

We present in this work a new Sparse Hybrid Classifier, by using reduced remaining subset (RRS) with least squares support vector machine (LS-SVM). RRS is a sample selection technique based on a modified nearest neighbor rule. It is used in order to choose the best samples to represent each class of a given database. After that, LS-SVM uses the samples selected by RRS as support vectors to find the decision surface between the classes, by solving a system of linear equations. This hybrid classifier is considered as a sparse one because it is able to detect support vectors, what is not possible when using LS-SVM separately. Some experiments are presented to compare the proposed approach with two existent methods that also aim to impose sparseness in LS-SVMs, called LS ²-SVM and Ada-Pinv.     

基于数据依赖核LS-SVM的压电智能结构冲击损伤检测

基于支持向量机与信息几何的统计学关联性,从信息几何学的角度通过共形变换构造了数据依赖核函数,并与LS-SVM相结合,从而形成数据依赖核LS-SVM方法。基于一阶剪切变形理论及有限单元方法,对压电智能复合材料层板进行了低速冲击压电响应数值仿真,并进行了特征提取。基于各压电传感器响应信号特征,采用数据依赖核LS-SVM方法,对压电智能复合材料层板进行了冲击损伤检测,并与静态高斯核函数(RBF)的LS-SVM方法进行了对比。结果表明:在同等条件下,相比于静态RBF核LS-SVM,数据依赖核LS-SVM具有更高的损伤检测精度及更强的推广能力。     

基于LS-SVM的BTT导弹动态逆反演控制

基于LS -SVM理论、动态逆控制和反演控制方法,针对具有非匹配不确定性的BTT导弹非线性数学模型,设计了一种基于LS- SVM的BTT导弹动态逆反演控制律;对传统反演控制律设计的不足之处,采用LS- SVM法逼近BTT导弹控制系统中带有未知成分非线性函数,从而实现了无需精确数学模型的全新控制律,避免了因建模误差对控制带来的不良影响,在此基础上,利用李亚普诺夫方法证明了系统的稳定性和收敛性;仿真结果表明,文章所设计的控制律,对导弹控制系统中存在的不确定因素具有较强的鲁棒性和自适应性.     

基于改进LS-SVM的来波方位估计

提取已知方位信号的协方差矩阵的上三角部分作为样本特征,构建方位估计模型。针对最小二乘支持向量机最优参数难以选定的问题,采用实值编码的启发式遗传算法,以模型的来波方位估计性能为目标,实现基于高斯核函数的SVM参数优化,提高了来波方位估计精度。实验结果表明,该方法估计精度较高、实时性好,在无线电测向领域具有广阔应用前景。     

基于优化支持向量机的飞机重着陆智能诊断

为提高飞机重着陆判断的准确性,研究了将最小二乘支持向量机应用于飞机重着陆诊断的方法;首先,根据飞机着陆阶段运动方程确定5类关键的重着陆诊断指标,将传统的单一指标诊断扩展到多指标诊断;接着,对支持向量机的分类算法进行扩展,实现了支持向量机的多类分类,建立了飞机重着陆诊断模型;然后,分别利用遗传算法和粒子群算法优化了模型参数,并对优化结果进行了分析比较;最后,利用飞行品质监控数据库中的样本数据对某航空公司B737型飞机进行了重着陆诊断实验,结果表明;支持向量机模型具有较高的诊断精度,适用于飞机重着陆诊断.     

基于粒子群优化算法的LS-SVM财务预警

提出一种基于粒子群优化算法优化有关参数的最小二乘支持向量机的财务预警模型。通过提出适当的验证性能指标,用粒子群优化算法优化最小二乘支持向量机的有关参数,利用上市公司的财务数据对该方法进行实证财务预警分析。仿真结果表明,该模型的精确度令人满意,该方法是可行且有效的。     

LS-SVM和RBF神经网络模型在降雨预测中的应用

采用相空间重构理论计算实测月降雨的延迟时间、嵌入维数、C-P饱和关联维数和Laypunov指数,证明乌尔逊河流域月降雨时间序列存在混沌现象.使用LS-SVM预测模型和RBF神经网络预测模型,两种模型对乌尔逊河流域月降雨时间序列进行对比分析.在预测精度上,LS-SVM测模型的预测精度不太理想,而RBF神经网络预测模型在降雨量很少的月份精度也很低.若想在干旱区半干旱区的降雨预测中应用,需要进一步研究.     

基于最小二乘支持向量机的大坝应力预测模型

应力的监测一直是大坝安全监测中极为重要的部分,传统的预测方法精度有时候不高,为了提高预测的精度,提出了一种基于最小二乘支持向昔机(LS-SVM)的大坝应力预测模型.通过具体工程实例计算,LS-STM表现出很好的鲁棒性和预测精度高的优势,应力预测精度比传统的逐步回归方法提高了很多,为大坝应力分析提供了一种可靠的、有效的途...     

小波分解和最小二乘支持向量机的风机齿轮箱故障诊断

根据齿轮箱故障时振动信号特点,提出了一种基于小波分解和最小二乘支持向量机(LS-SVM)相结合的齿轮箱故障诊断方法。通过对齿轮箱振动信号进行小波分解,得到各分解节点对应频率段的重构信号和节点的能量,并将各节点能量组成的特征向量作为诊断模型的特征向量,输入到LS-SVM多类分类器中进行故障识别。诊断结果表明:该方法能够准确地识别风力发电机组齿轮箱的常见故障。     

最小二乘支持向量机在GPS高程转换中的应用

GPS高程是基于WGS84椭球的大地高,而实际工程中所需的高程一般是基于似大地水准面的正常高,两者相差一高程异常。本文结合某GPS控制网控制点的高程资料,利用最小二乘支持向量机（LS—SVM）结合径向基核函数（RBF）对高程异常进行拟合,从而实现GPS高程向正常高的转换。与二次曲面拟合法的转换结果进行比较可知LS--SVM法具有更高的转换精度。