快速支持向量机增量学习算法

支持向量机对数据的学习往往因为规模过大造成学习困难,增量学习通过把数据集分割成历史样本集和新增样本集,利用历史样本集的几何分布信息,通过定义样本的遗忘因子,提取历史样本集中的那些可能成为支持向量的边界向量进行初始训练.在增量学习过程中对学习样本的知识进行积累,有选择地淘汰学习样本.实验结果表明,该算法在保证学习的精度和推广能力的同时,提高了训练速度,适合于大规模分类和在线学习问题.     

基于支持向量机的异常值问题的研究现状

为提高含有异常值数据集的学习性能,对基于支持向量机的鲁棒算法进行了研究,深入分析了异常值降低标准支持向量机推广能力的本质原因,从基于支持向量机的异常值检测和抑制异常值对支持向量机的影响两个方面,较为系统地回顾了国内外在该领域的研究发展现状和最新研究进展,其中包括各种算法的基本思想和主要特点.归纳总结了支持向量机关于异常值问题的主要研究内容、方法、研究成果以及存在的问题,并进一步提出了在应用方面的研究方向.     

结合免疫优化和LS-SVRM观测器的非线性系统自适应鲁棒控制

针对一类单输入单输出不确定非线性控制系统提出了一种自适应鲁棒控制算法. 由于最小均方支持向量回归机(LS-SVRM)的最终解可以化为一个具有线性约束的二次规划问题, 不存在局部极小, 所以该算法在不要求假设系统的状态向量是可测的条件下通过设计基于LS-SVRM的观测器来估计系统的状态向量; 同时在算法中假设LS-SVRM的最优逼近参数向量和标称参数向量之差的范数和逼近误差的界限是未知的, 因此可通过对未知界限估计的调节来提高系统的鲁棒性. 考虑到LS-SVRM本身参数对LS-SVRM性能的影响, 本文应用一种新的免疫优化算法对LS-SVRM的参数进行优化, 从而提高LS-SVRM的逼近能力. 理论研究和仿真例子证实了所提方法的可行性和有效性.     

基于混合最小二乘支持向量机网络模型的非线性系统辨识

针对基于输入输出数据的非线性系统辨识问题,提出一种新的混合最小二乘支持向量机(LS-SVMs)网络模型及相应的学习算法.该算法将系统的辨识问题动态自适应的划分为若干子问题,将支持向量机(SVM)用于各子模块辨识;通过分析模型的统计学特性,给出基于整体框架优化的系统参数辨识方法.针对系统中参数相关联的特性,采用期望条件最大化(ECM)算法对其进行条件辨识,同时结合正则化理论和最小二乘法,保证各专家模块的结构风险最小化辨识原则.试验结果表明,该方法兼具良好的辨识精度和泛化性能.     

转炉煤气柜位的多输出最小二乘支持向量机预测

针对钢铁企业转炉煤气系统中煤气柜位的预测问题,提出一种一致T型灰色关联分析确定柜位的主要影响用户,避免了冗余输入因素,降低了预测模型的复杂度.根据多个不同煤气柜同时并网运行的情况,提出多输出最小二乘支持向量机回归算法来建立柜位预测模型.该算法采用等式约束,通过最小化所有输出的单一和整体拟合误差,将其转换为求解一系列线性方程组,得到模型回归函数的权系数和偏置公式表示.现场数据仿真实验结果表明所建预测模型的有效性和实用性,为制定煤气调配方案提供了合理指导.     

基于最近邻聚类支持向量机辨识的电弧炉电极逆控制

基于核函数的支持向量机(support-vector-machines, SVM)与三层神经网络等价关系, 构造基于SVM的多变量阶时延逆系统实现对原系统的伪线性化解耦, 提出最近邻聚类的SVM模型辨识算法, 设计了一种带前馈的参数自适应PD调节器和SVM逆控制相结合的控制策略. 通过对典型的MIMO离散非线性可逆系统和电弧炉电极系统的仿真研究, 表明该控制策略对于数学模型未知的不确定系统, 只需要一定量的输入输出数据作为样本学习, 就可实现对系统逆模型的高精度逼近, 控制系统具有良好的动态响应和跟踪精度. 当模型严重不确定、参数摄动、有外界干扰时, 系统具有很好的抗干扰能力和鲁棒性.     

基于改进粒子群算法的最优特征子集研究

特征选择是模式识别系统的难点.针对高维数据对象,先运用改进粒子群优化(PSO)算法快速、有效地从特征样本中提取一组最优特征子集,然后采用最小二乘支持向量机(LSSVM)分类器对最优特征子集进行分类,验证特征选择的好坏.经大量实验验证,在保证分类正确率的前提下,该方法有效提高了特征选择效率.     

基于S3C2440AL的WinCE 5.0 Boot Loader的设计与实现

以三星公司S3C2440AL嵌入式处理器为硬件基础,提出了一种基于ARM9的WinCE5．0引导程序（BootLoader）的设计和实现方法。详细介绍了嵌入式操作系统启动的第1条代码——Boot Loader,并对其架构进行分析;阐述了其启动代码和主代码的开发过程,并给出主代码开发中硬件初始化的步骤;然后用三星公司的sjf2440．exe烧写工具把Boot Loader的映像文件下载到Flash中去,并给开发板上电调试,最终从超级终端上显示出Boot Loader的调试信息。     

一种改进的AdaBoost算法在人脸检测系统中的应用

针对复杂背景条件下人脸检测的检测率低、速度慢的问题,提出了一种改进的AdaBoost算法,与遗传算法相结合,产生了一种识别率高、泛化能力好的强分类器,文中称之为GA-AdaBoost算法。该算法首先训练多个支持向量机作为弱分类器,然后用AdaBoost算法将多个弱分类器组合成一个强分类器,在组合的同时采用遗传算法对各弱分类器的权值进行全局寻优。最后,通过试验与传统AdaBoost进行对比,表明了该算法具有识别率高和速度快的优越性。     

基于支持向量回归（ε-SVR）预测的分布式机器视觉算法的研究

针对目前我国现代分布式机器视觉系统的发展现状,通过研究分布式视觉系统中的时延和网络阻塞问题,提出了一种基于支持向量回归（ε-SVR）预测的分布式机器视觉算法模型,该算法能够有效的预测时延变化,预测效果超过同类型的预测方法。实验和应用表明：与同类型预测方法相比,该模型不但能够在预测效果上达到现有预测水平,而且能大大提高预测速度,适应实时预测的需要。