基于收视行为的互联网电视节目流行度预测模型

准确预测节目流行度是互联网电视节目系统设计与优化所要解决的关键问题之一。针对现有预测方法存在模型训练时间长、样本数量多、且对突发热点节目流行度预测效果差等问题,该文测量了某互联网电视平台280万用户的60亿条收视行为数据,采用行为动力学分类方法将节目流行度演化过程分为内源临界、内源亚临界、外源临界和外源亚临界4种类型,运用双种群粒子优化的最小二乘支持向量机对每种类型分别构建了一种互联网电视节目流行度预测模型BD3P,并将BD3P模型应用于实际数据测验。实验结果表明,与现有其他方法相比,BD3P模型预测精度可提升17%以上,并能有效缩短预测周期。     

基于近红外光谱和LSSVM方法的转基因大米鉴别研究

采用近红外漫反射光谱结合主成分分析(principal component analysis,PCA)和最小二乘支持向量机(least squares support vector machine,LSSVM)研究转基因大米的鉴别方法。采用PCA方法分析大米样品光谱空间分布;不同的光谱预处理方法:5点平滑、多元散射校正(multiplicative scatter correction,MSC)和标准正态变量变换(standard normal variate transformation,SNV)结合LSSVM用于定性判别模型的建立和优化;采用格点搜索方法对LSSVM模型的惩罚因子(c)和径向基核函数宽度(g)进行优化;正确识别率(correct recognition rate,CRR)用于判别模型的评价。结果表明:MSC结合LSSVM可用于转基因大米定性判别模型的建立,最优模型的CRR为97.50%。该方法有望成为转基因食品快速鉴别的一种辅助方法。      

结合LMD云模型和ABC-LSSVM的模拟电路故障诊断

针对模拟电路存在的非线性和非平稳性,以及电路元件存在容差而带来诊断时的模糊性与随机性等问题,提出了一种结合了局域均值分解(LMD)云模型特征提取和人工蜂群-最小二乘法支持向量机(ABC-LSSVM)分类器的模拟电路故障诊断法。首先,利用LMD算法对初始故障信号进行分解,再将分解的信号通过云逆向发生器计算得出分解信号的云数字特征,并将得到的云数字特征构造为故障特征向量。然后,将部分故障特征向量作为测试样本输入到ABC算法优化的LSSVM中,对各电路故障进行分类识别,得到各故障的分类精度。以两个国际基准电路CTSV和Sallen_Key电路为验证对象,结果表明,该方法提取的故障特征能很好的反映电路各故障状态信息,所提方法的故障诊断精度均达到99%。     

基于LSSVM的超短期负荷区间预测

智能电网的快速发展给电网运行带来了新的挑战,为适应智能电网快速响应的要求,实现对电力负荷未来运行趋势的快速估计,本文提出一种基于LSSVM模型的超短期电力负荷区间预测方法,所提方法在点预测的基础上,通过对样本数据的整体噪声方差进行估算来预测区间,计算量小且大大减少了预测耗时.在模型参数选取问题上,首先使用Gamma T...     

基于状态维修的电子设备故障预测技术研究

为解决电子设备结构复杂,故障信息不足,故障预测困难,并且现有方法不能直接对电子设备进行状态预测等问题,文中提出了基于状态维修(CBM)的最小二乘支持向量机(LSSVM)和隐马尔科夫模型(HMM)组合故障预测方法;首先采取灵敏度分析法确定电路中要可能发生变化的元件,通过改变元件参数来设置电路的不同退化状态;其次建立组合故障预测模型;最后对该电路进行状态预测;结果表明,文中提出的方法能够直接预测电路的不同状态,进而实现直接预测电子设备的故障状态,预测精度可以达到93.3％.     

基于PSO-LSSVM的高压电力电缆接头温度预测

高压电力电缆接头温度是反映电缆运行状况的重要指标,对接头温度进行精确预测可提高电缆安全运行水平。采用最小二乘支持向量机建立适用于电缆接头的温度预测模型,并给出了预测方法的具体步骤。模型以电缆接头的历史温度、环境温度、湿度和线芯/护层电流比为输入样本,电缆接头的表面温度为输出。为了提高预测精度,采用粒子群优化算法对模型的标准化参数和正则化参数进行动态寻优。以上海某110 k V电缆接头为例进行预测,结果表明,提出的方法能较好地预测电缆接头温度,预测精度高,为电缆温度监测和预警系统提供可靠的判断依据。     

利用 GWO-LSSVM 算法对光纤压力传感器进行温度补偿

光纤压力传感器工作性能受温度影响较大,需进行温度补偿。针对这一问题,提出了灰狼算法与最小二乘支持向量机(GWO-LSSVM)算法相结合的软件补偿方案,利用灰狼算法在指定范围内迭代优化最小二乘支持向量机的惩罚因子ζ和核参数σ以求构建补偿算法模型。在不同温度环境下,对传感器进行标定试验测得传感器的输入输出数据,分成测试集和训练集。以测试集的预测值计算的均方根误差为适应度函数,将温度补偿问题转化为带约束的凸二次优化问题。结果表明,相较于补偿前,温度补偿后的光纤压力传感器的灵敏度温度系数由9.405×10^-3/℃提升到1.201 6×10^-4/℃,温度附加误差相对值由28.215%提升到0.481%,传感器的温度稳定性得到了很大程度的改善。