测试向量生成的新搜索算法

描述一种新的健全高效的测试向量自动生成方法--测试向量生成的可满足性算法.与现有的测试向量生成算法相比,满足性算法是一种有效改进搜索空间的搜索算法,运用几种简化技术,进一步改进故障诊断的方法.由部分ISCAS'85基准电路的仿真结果表明,满足性算法健全、有效,而且电路增大,算法的性能提高.     

基于重复训练提高SVM识别率的算法

持向量机 (supportvectormachine ,SVM)作为一种新的模式识别算法 ,在许多模式识别问题上表现出了良好的识别性能和推广能力。和其它模式识别方法一样 ,如何进一步提高识别率一直是研究的热点。通过分析SVM的分类机理 ,提出了一种基于重复训练的SVM算法。该算法以较小的训练代价 ,通过提高支持向量在样本中的比例 ,提高了SVM的识别性能。基于重复训练的SVM算法为提高识别率提供了一种新的思路 ,也为SVM算法的自学习奠定了基础。     

基于特征生成的轴承不均衡数据故障诊断

针对实际生产中难以获得足量的故障样本数据导致训练中样本不均衡、样本不足等问题,提出了一种基于特征聚类的过采样算法,并将其与卷积神经网络相结合的滚动轴承故障诊断模型。该模型将频域信号作为模型的输入,通过卷积神经网络进行特征提取,再通过过采样技术生成新的特征数据实现数据的均衡化,将新生成的特征数据和原有特征一同输入到支持向量机(Support Vector Machine,SVM)分类器中完成样本的分类,实现滚动轴承的故障诊断。通过对比实验,结果表明该方法可以有效解决数据不均衡的问题。     

一种数字电路的测试向量生成算法

结合一个实际电路 ,研究了一种可把数字电路故障定位到器件级的测试向量生成算法。该算法首先划分电路功能块 ,然后基于功能测试的思想 ,通过功能块测试向量的迭代生成整个电路的测试向量。还提出了一种基于器件布尔函数建立故障字典的方法 ,这种方法思路清楚 ,软件编程实现方便。     

基于支持向量机的高分辨距离像分类法

支持向量机 (supportvectormachine ,SVM)是新一代学习机 ,具有良好的泛化性能。高分辨距离像(HRRP)分类是雷达复杂目标分类的重要方法。采用SVM作为分类器 ,研究了飞机目标HRRP分类法。设计了相应的预处理算法 ,并提出了结合VapnikChervonenkis维法和留一 (LOO)交叉验证法的参数选择算法。基于 5种飞机缩比模型的HRRP数据 ,比较了SVM分类法和最大相关分类法的性能 ,研究了噪声、训练用方位角采样数和训练样本集的大小对识别性能的影响。实验结果表明 ,SVM在HRRP分类上具有良好的应用前景。     

控制输入跟踪算法和测试衍生算法

以组合电路的满足性测试生成算法为基础，提出了控制输入跟踪算法和测试衍生算法。控制输入跟踪算法从源输出开始，根据一定的指导策略，向源输入搜索，在搜索过程中生成一条临界路径，该路径中全部的故障可以用满足临界条件的输入向量来测试。测试衍生则利用一个测试的信息，通过临界路径变换衍生一系列新的测试。这两种算法嵌入测试生成的满足性算法中，大大减少了故障，压缩了CNF的构成时间和搜索空间。     

超宽带信号的一种带通采样与重建方法

针对超宽带无线通信中需要设计采样速率高达数十GHz高速模/数转换器的问题,提出了一种带通采样和总体最小二乘重建算法。该算法所要求的采样速率与信号新息率相当,远远低于传统香农采样理论所要求的奈奎斯特率。分析和仿真结果证明,所提出的采样和重建算法,能够准确地恢复原始超宽带信号,并具有良好的抗噪声性能。     

基于MVC的试卷生成及主观题判卷算法研究

国内外成型的考试系统对客观题判卷已有成熟的算法,而对于主观题判卷还有待研究,因此设计一个MVC(Model View Controller)框架的试卷动态生成系统,提出一套主观题自动判卷算法是可行的。在试卷生成系统中,通过分布视图PartialView和组件加载技术ComponentConfig动态生成含文本框/复选框等控件的试卷页面;在主观题判卷算法中,提出双向遍历空间模型算法,它结合关键词双向匹配和向量空间模型计算关键词得分点和文本相似度。仿真结果显示系统能方便生成测试用卷,所设计的自动判卷算法也提高了自动判定分数的准确率。     

基于direct LDA的幅度谱子空间雷达目标识别

针对高分辨距离像(HRRP)可分性低和维数高的问题,提出一种新的雷达自动目标识别(RATR)方法:dLDA& SVM.先采用直接线性判别分析在HRRP的幅度谱空间进行特征提取,然后在子空间中采用角域均值模板库训练one-against-a11支撑向量机(SVM)多类分类器进行目标识别.并设计了最短距离分类器与SVM分类器比较.基于外场实测数据的实验结果表明,与LDA幅度谱子空间法,幅度谱原空间法相比,dLDA & SVM可显著降低数据维数并提高识别性能.     

支持向量机的新分类器算法研究

提出了基于支持向量机(SVM)和决策树(DT)的几种新分类器算法.首先对支持向量机和模糊支持向量机(FSVM)处理多类分类问题的传统算法进行介绍,然后在DT-FSVM和最近邻分类器的基础之上,提出基于样本区域分析(SRA)的混合分类器算法(SRA-DT-FSVM),该算法中样本区域分析的概念被提出.在线性鉴别分析(LDA)的人脸特征空间中,分别对算法FSVM,DT-FSVM,SRA-DT-FSVM以及Binary-DT-SVM进行了全面的性能比较.通过在ORL人脸库上的实验结果表明,提出的新方法是有效的.此外,基于DT的SVM的分类速度获得了较大提高.     

矩阵整流器电流SVM算法的仿真分析

在分析了三相输入电压平衡条件下矩阵整流器的输入电流空间矢量调制(SVM)算法后,重点提出了一种适用于三相输入电压不平衡条件下的基于扇区可变和瞬时值计算的通用电流SVM算法,并为提高新算法对电压不平衡的适应能力和增加输出电压利用率提出了一种简单的处理方法。为了验证这种算法的有效性,基于SIMULINK6.0建立了接近实际系统设计的矩阵整流器仿真模型,在详细地描述了该模型建立原理后,分别给出输入电压平衡和三种不平衡条件下的仿真结果,该结果与理论分析结果相一致,反映了所提出算法的正确性。     

New method to implement digital down converter in radar system

1.INTRODUCTION Todevelopageneralhardware platformofreceiveris thecriticalworkforthenextgenerationhighfre quency(HF)systemoceanstatemeasuringandana lyzingradar(OSMAR)[1,2].Withthedevelopment ofverylargescaleintegrated circuit,onechipcan completelyimplementallthefunctionsofgeneral hardwareplatform.Ref.[3]proposedthatanfield programmablegatearray(FPGA)couldbeusedto implementsinglechipintegrationsofdigitalreceiver hardwareplatform.TheframeworkofHFsystem OSMARreceiverisshowninFig.1.Fro…     

基于支持向量机的智能决策方法

分析多属性决策问题及现有方法,提出了基于支持向量机的智能多属性决策方法.首先,介绍了支持向量回归估计的学习算法.其次,探讨了基于支持向量机的智能决策原理.然后,提出了多属性决策支持向量机方法的实现算法.最后给出了一个算例.     

Parameter selection of support vector machine for function approximation based on chaos optimization

The support vector machine （SVM） is a novel machine learning method, which has the ability to approximate nonlinear functions with arbitrary accuracy. Setting parameters well is very crucial for SVM learning results and generalization ability, and now there is no systematic, general method for parameter selection. In this article, the SVM parameter selection for function approximation is regarded as a compound optimization problem and a mutative scale chaos optimization algorithm is employed to search for optimal paraxneter values. The chaos optimization algorithm is an effective way for global optimal and the mutative scale chaos algorithm could improve the search efficiency and accuracy. Several simulation examples show the sensitivity of the SVM parameters and demonstrate the superiority of this proposed method for nonlinear function approximation.     

基于高阶累积量和支撑矢量机的调制识别研究

提出一种基于高阶累积量和支撑矢量机的数字信号自动调制识别新方法 ,即将接收信号的四阶、六阶累积量作为分类特征向量 ,利用支持矢量机把分类特征向量映射到一个高维空间 ,并在高维空间中构造最优分类超平面以实现信号分类。这种方法对高斯噪声和星座图由于信号初始相位而引入的旋转具有良好的稳健性 ,并避免了神经网络中的过学习和局部极小点等缺陷。计算仿真结果表明 ,这种方法具有很高的分类性能和良好的稳健性     

基于模糊C-均值聚类与支持向量机的PMV指标预测系统

为了更好地预测室内热舒适度PMV指标,在分析模糊C-均值聚类方法与支持向量机方法的优势和互补性后,探讨了二者的结合方法,提出了一种基于模糊C-均值聚类预处理的支持向量机PMV指标预测系统.该方法把复杂的数据集看作多个群体的混合,每个群体采用单一的回归模型进行描述,使得大规模数据集的回归估计问题变成了一个多模型估计问题.将该系统应用于PMV指标预测中,与标准支持向量机方法相比, 得到了较高的预测精度,从而说明了基于模糊C-均值聚类方法作为信息预处理的支持向量机学习系统的优越性.     

Face Recognition Based on Support Vector Machine and Nearest Neighbor Classifier

Support vector machine (SVM), as a novel approach in pattern recognition, has demonstrated a success in face detection and face recognition. In this paper, a face recognition approach based on the SVM classifier with the nearest neighbor classifier (NNC) is proposed. The principal component analysis (PCA) is used to reduce the dimension and extract features. Then one-against-all stratedy is used to train the SVM classifiers. At the testing stage, we propose an al-     

基于正交模型辨识辅助的欠采样数字预失真方法

针对数字预失真技术在宽带通信系统中的具体实现受到模数转换器采样率制约的问题,提出一种新的欠采样数字预失真方法。首先在欠采样速率下对功放的正交模型进行离线辨识,接着根据一定的算法得到Nyquist采样率下的简化预失真器模型,并进行在线的自适应直接学习。该方法具有预失真器模型构造简单、欠采样实现高效的特点。理论分析和仿真结果表明,该方法有效降低了对模数转换器的采样率要求,优化了简化预失真器模型的线性化条件,更好地抑制了功放非线性引起的带内失真和频谱再生。     

一种基于QBC的SVM主动学习算法

针对支持向量机(souport vector machine,SVM)训练学习过程中样本分布不均衡、难以获得大量带有类标注样本的问题,提出一种基于委员会投票选择(query by committee,QBC)的SVM主动学习算法QBC-ASVM,将改进的QBC主动学习方法与加权SVM方法有机地结合应用于SVM训练学习中,通过改进的QBC主动学习,主动选择那些对当前SVM分类器最有价值的样本进行标注,在SVM主动学习中应用改进的加权SVM,减少了样本分布不均衡对SVM主动学习性能的影响,实验结果表明在保证不影响分类精度的情况下,所提出的算法需要标记的样本数量大大少于随机采样法需要标记的样本数量,降低了学习的样本标记代价,提高了SVM泛化性能而且训练速度同样有所提高。