基于模糊核聚类的多类支持向量机

传统的支持向量机是基于两类问题提出的,如何将其有效地推广至多类问题仍是一个值得研究的问题。本文在比较常用的几种多类支持向量机分类算法基础上,提出了一种基于模糊核聚类的多类支持向量机分类方法。支持向量机的分类精度和分类速度取决于树结构,新方法利用模糊核聚类生成模糊类,并结合基于二叉树的多类支持向量机分类算法实现多类分类。实验结果表明,该方法是一种效率更高、分类更准确的多类支持向量机分类算法。     

基于PSO-SVM的催化裂化装置故障诊断研究

提出基于粒子群优化算法和支持向量机的催化裂化装置反应再生子系统故障诊断方法。利用粒子群优化算法的全局搜索特性,实现支持向量机的参数优化算法。根据支持向量机算法构建了催化裂化装置反应再生子系统故障诊断模型。结果显示,该诊断方法准确率高,具有较高的使用价值。     

基于差分进化算法-最小二乘支持向量机的软测量建模

软测量技术是解决工业过程中存在的一类难以在线测量参数估计问题的有效方法,该技术的核心是建立优良的数学模型。支持向量机是基于统计学理论的一种机器学习方法,最小二乘支持向量机是一种扩展的支持向量机,相对于支持向量机具有较快求解速度。最小二乘支持向量机存在着参数选择的问题,针对这个问题,采用差分进化算法进行参数选择。提出基于差分进化算法的最小二乘支持向量机应用于软测量建模,并将其应用于对苯二甲酸中对羧基苯甲醛含量测试的软测量建模中,获得了满意的结果。     

基于LSSVM的溶剂油分离建模方法研究

针对传统支持向量机和单一模型建模的缺点,利用某炼油厂溶剂油分离过程中二侧线流量作为建模对象,对最小二乘支持向量机集成学习方法进行了研究。首先利用自适应系数加权模糊(AWFCM)聚类算法对训练样本进行聚类;然后对每一类数据使用最小二乘支持向量机建立子模型,并使用PLS合成函数得到最小二乘支持向量机集成模型;最后通过仿真实验来验证最小二乘支持向量机集成模型预测的精确性。结果表明,该算法在预测精度上有了较大的提高,对过程控制系统中分离效果的预测具有重要指导意义。     

基于支持向量机算法的微注射成型工艺参数优化

为了控制菲涅尔透镜在注塑过程中的翘曲变形量,采用支持向量机算法建立了菲涅尔透镜的翘曲预测模型,并对该模型的预测精度进行了研究.采用正交试验法获取注塑工艺参数,各组注塑工艺经Moldflow仿真得出模型的训练样本及检验样本数据.然后,对支持向量机算法建立的翘曲预测模型进行样本学习,训练完毕后由检验样本验证该模型的预测精度.实验结果表明:采用支持向量机算法建立的预测模型预测误差比较稳定,均在0.2%以内.因此,采用支持向量机算法建立菲涅尔透镜的翘曲预测模型可有效地预测菲涅尔透镜的最大翘曲量,且预测的精度与稳定性较高.     

基于ANN-SVM级联分类器的胎号数字识别系统

将支持向量机应用于数字图像的识别,根据胎号数字图像的特点,设计使用了人工神经网络-支持向量机的级联分类器,有机结合了人工神经网络对复杂分类问题的处理能力以及支持向量机实现最优超平面分类的能力,提高了数字图像识别系统的正确率。     

混沌最小二乘支持向量机及其在发酵过程建模中的应用

针对青霉素发酵过程的参数检测存在不确定因素,提出一种基于混沌最小二乘支持向量机的青霉素浓度预测方案。采用混沌优化算法对最小二乘支持向量机参数进行寻优,建立了一种混沌最小二乘支持向量机模型。首先,利用该模型对两种常规非线性函数曲线进行了仿真回归,结果表明,算法具有良好的建模精度;其次,基于Pensim仿真平台,运用文中方法预测青霉素发酵过程的产物量,实验仿真表明混沌优化算法具有良好的全局优化性能,在参数选择中可以有效避免陷入局部最小值,基于混沌优化的最小二乘支持向量机具有较高的建模精度。     

基于人工蜂群算法优化LSSVM的蒸汽干度软测量

为了提高蒸汽干度测量的精确性,提出了基人工蜂群优化最小二乘支持向量机的干度软测量模型。首先利用人工蜂群算法对最小二乘支持向量机的核参数进行参数优化,然后利用优化后的最小二乘支持向量机干度测量模型对干度进行软测量,软测量结果表明基于人工蜂群优化的最小二乘支持向量机的测量效果满足了精度要求。最后运用最小二乘支持向量机和BP神经网络模型对干度进行了软测量,结果表明:基于人工蜂群优化的最小二乘支持向量机软测量模型具有测量精度高,测量稳定性好的优点。     

改进蚁群算法在支持向量机参数中的应用

提出一种改进的蚁群算法(即交叉验证法与蚁群算法的有效结合)对支持向量机的参数进行优化。首先通过交叉验证法得到支持向量机参数,然后在这些参数中确定蚁群算法的搜索空间,最后在该区间上选取最优参数。仿真结果表明:使用该方法优化支持向量机参数可以在较短时间内寻找到最优解,进而缩短搜索时间,提高识别准确率。     

基于LM/SVM方法的二次反应清洁汽油辛烷值预测

提出了一种莱文伯格—马夸特(LM)算法和支持向量机(SVM)有机结合的LM/SVM新算法,并将其应用于基于集总模型的二次反应清洁汽油研究法辛烷值的预测。借鉴复杂反应动力学研究中的集总方法,将汽油研究法辛烷值看成汽油饱和烃集总、烯烃集总、芳烃集总的函数,并采用支持向量机表达该函数。针对支持向量机参数及核函数参数难以选择的问题,通过莱文伯格-马夸特算法搜索支持向量机中的参数,并采取把训练集分割成工作样本和检验样本的策略,从而解决了过拟合的问题。利用经典测试函数对LM/SVM算法的性能测试结果表明:LM/SVM算法不但精度优于文献报道的遗传算法与支持向量机相结合的GA/SVM方法,而且其效率也远高于GA/SVM方法。LM/SVM方法对二次反应清洁汽油研究法辛烷值预测的相对误差绝对值的平均值为0.71%。     

改进灰狼算法优化支持向量机的入侵检测研究

针对支持向量机参数设置不当导致入侵检测分类性能不佳的问题,提出一种改进灰狼算法优化支持向量机(IGWO-SVM)的入侵检测模型.首先,针对入侵检测数据维度较高的问题,利用降噪自编码器(DAE)对高维数据进行特征提取,获得低维特征;然后,用随机动态调整收敛因子的灰狼算法寻找支持向量机的最优参数,构建IGWO-SVM的分类...     

基于最小二乘支持向量机算法的南宋官窑出土瓷片分类

将最小二乘支持向量机(least square support vector machine,LS-SVM)算法用于杭州南宋官窑2窑址出土瓷片的分类研究中,根据瓷片胎和釉的主要、次要和痕量元素组成对它们进行了分类,用留一法检验其分类效果,并与支持向量机( support vector machine,SVM)算法和自组织特征映射(self-organizing map,SOM)算法进行了比较.结果表明:SVM算法和LS-SVM算法比SOM算法更适合于处理"小样本"问题;一般情况下,SVM的分类效果比LS-SVM的分类效果好,但是LS-SVM具有更快的求解速度.     

SVM算法预测发动机润滑油的高温清洁性

考察了发动机润滑油功能元素与其高温清净性能的相关性,用支持向量机算法和偏最小二乘算法定量预测了发动机润滑油高温清净性能。结果表明,利用发动机润滑油的功能元素能够预测其高温清净性。支持向量机法的预测结果要优于偏最小二乘法的结果。     

基于蝙蝠算法优化支持向量机的滚动轴承故障诊断

支持向量机中参数的选择会直接影响滚动轴承故障诊断的分类效果,基于此提出一种采用蝙蝠算法优化支持向量机的故障诊断模型,以提高分类的准确率.首先将采集到的振动信号进行集成经验模式分解,分解后得到一系列模态函数分量IMF,并将计算得到的各个分量的能量熵作为信号的特征向量,将所构造的特征向量输入到蝙蝠算法优化的支持向量机BA-...     

探究支持向量机算法在化学化工中的应用

计算机技术的快速发展,给化学化工数据的处理带来极大便利。通过机器学习算法,可以总结化学化工实验规律,控制化工生产过程。原有的机器算法虽能为化学化工带来很大便利,但是它本身就存在缺陷。机器学习算法的核心是数学中的渐近理论,这项理论的适用情景是必须有大量的样本,而实际的化学化工工作中样本有限,这就可能导致计算中的过拟合。为了解决这一弊病,我们采用了向量机算法取代原有的机器算法,目前使用支持向量机算法(SVM)建立数学模型已经得到国内外的广泛关注。笔者通过调查化学化工行业中SVM的使用情况,阐述了向量机算法的优势,分析了它在食品检验、化工生产等多项领域的应用。     

基于类别特征提取的组合支持向量机模型

在建立复杂生产过程软测量模型时,使用单一的支持向量机模型或基于传统聚类方法的组合支持向量机模型有时难以很好地跟踪突变信号或取得满意的泛化效果.为解决这个问题提出了一种改进的线性判别分析算法.该算法结合类边界分析得到类别的特征向量,利用该特征向量将数据变换后分别建立支持向量机子模型,并用各组特征向量中有效特征值之和构建各...     

基于PSO-LS-SVM的主蒸汽流量测量

为提高火电机组主蒸汽流量的测量精度,提出了最小二乘支持向量机的建模方法,同时利用粒子群优化算法对最小二乘支持向量机的参数进行优化,按照机理分析选择相应的运行参数作为输入,利用该模型对主蒸汽流量进行预测计算。计算结果表明:利用粒子群优化最小二乘支持向量机的建模方法提高了主蒸汽流量的测量精度。     

基于Relief-F特征加权的模糊支持向量机的分类算法

传统基于样本与类中心的欧氏距离构造模糊支持向量机隶属度函数的方法将所有特征同等对待,并未考虑不同特征对样本与类中心距离的影响。针对这一问题,提出基于Relief-F特征加权的模糊支持向量机分类算法。首先通过Relief-F算法计算各特征权重并剔除权重较小的特征;然后应用特征权重计算样本到所属类中心的加权欧氏距离;最后,基于加权欧氏距离构造隶属度函数。该方法在考虑到特征重要性对分类效果影响的同时,通过权重阈值剔除权重较小的特征,从而将数据降维,提高了分类准确度和训练效率。实验结果表明:与支持向量机和传统基于距离构造隶属度的模糊支持向量机相比,基于Relief-F特征加权的模糊支持向量机具有更高的训练效率和分类准确率。     

与机理杂交的支持向量机为发酵过程建模

针对生物发酵过程机理复杂、高度非线性的特点,采用基于结构风险最小的支持向量机为发酵过程建模,其算法规范,建模复杂度低于神经网络方法,所建模型的预测效果更好.还将生化过程的动力学机理与支持向量机相结合,采用串联和串并联结构,提出与机理杂交的支持向量机建模方法,并为间歇式酒精发酵过程中酵母菌体浓度变化建立了预测模型.原理分析与试验结果表明与机理杂交的支持向量机建模方法,相比于单一近似的动力学模型、单一的支持向量机模型,以及机理杂交的神经网络模型,它的预测精度高,泛化能力强,性能更为优越.     

支持向量机算法优化制备赛隆-刚玉浇注料工艺参数

运用可限制过拟合、有较强预报能力的支持向量机算法(SupportVectorMachine,简称SVM)对赛隆-刚玉浇注料的工艺参数进行优化,通过试验数据处理,建立了工艺参数与烧成后常温抗折强度的数学模型。留一法结果表明,用支持向量机算法优化制备赛隆-刚玉浇注料的工艺参数是可行和有效的。