基于粗糙集和支持向量机理论的Rough SVM分类方法

为了减少支持向量机算法处理的数据量,降低支持向量机算法需要处理的样本维数,本文讨论了基于粗糙集的支持向量机分类方法,在一定程度上提高了支持向量机处理大规模数据的能力。     

支持向量机在型坯挤出壁厚预测中的应用

将支持向量机应用于挤出吹塑过程的一段型坯壁厚分布的预测,并将预测结果与人工神经网络预测的结果进行比较,验证了支持向量机具有更强的泛化能力。     

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。     

基于支持向量机的化工装置电力电子故障诊断

采用小波包分析与支持向量机（SVM）对化工装置电力电子故障进行自动识别和诊断,运用变尺度分辨小波包方法对电力电子故障信号进行特征处理。支持向量机能够对小样本数进行模式识别,并且具有良好的分类推广能力。在小波包分析特征基础上,采用分布式多支持向量机（SVM）分类器识别化工装置电力电子故障。结果表明：该方法能准确有效地对化工装置的电力电子故障进行识别和诊断。     

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...     

基于智能算法的污水处理软测量技术及其展望

在简要介绍软测量基本思想的前提下,综合论述了遗传算法、支持向量机算法、人工神经网络方法和虚拟仪器在污水处理软测量过程中的研究现状与应用特点.比较、分析后,提出了高品质在线实时控制的研究策略.     

支持向量机回归在印染废水混凝试验中的应用

支持向量机是从结构风险最小化的角度保证了模型的最大泛化能力。文中运用支持向量机回归对非线性小样本印染废水混凝试验数据进行回归分析研究。研究结果表明最佳联合参数的支持向量机回归对混凝试验数据预测精度明显高于非线性偏最小二乘法和主成分回归法。     

基于支持向量机煤炭产地的鉴别研究

利用日照局历年来积累的出口煤炭的检测数据和出口企业自身检测的数据,用支持向量机技术分析其化学性质、物理性质、指标范围等情况,对检测的山东省出口煤炭的产地样品按决策树方法进行特性分类,并结合支持向量机方法实现了山东省15个煤炭出口产地或品牌的鉴别。该方法属于一种新的分类鉴别方法,为煤炭产地的鉴别提供了一个可借鉴的实例。     

支持向量机在粉煤灰分类中的应用

针对以往粉煤灰分类的片面性,选择粉煤灰有关的化学成分和物理性质为特征向量,提出了基于支持向量机的粉煤灰科学分类。结果表明,此方法不仅结构简单,而且技术性能尤其是泛化能力与神经网络相比有明显提高,较全面地反映了粉煤灰的活性,从而为粉煤灰的综合利用及优化配置奠定了基础。     

基于支持向量机的管道腐蚀超声波内检测

超声波检测是输油管道在线内检测的重要方法之一,由于管道内部检测环境复杂,使超声检测回波信号识别困难,其分类是一个高维分类问题。利用支持向量机在解决小样本、非线性、高维模式识别中特有的优势,直接采用表征超声回波形态的A扫描数据作为特征向量,将特征提取与模式分类统一进行,建立了管道腐蚀超声检测回波信号分类决策函数,实现了管道腐蚀缺陷识别。实验结果表明,该方法可以正确地分类识别管道腐蚀产生的突变界面,基于支持向量机的管道腐蚀超声内检测信号分类识别方法是可行、有效的。     

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.     

基于支持向量机的软测量建模方法的应用

利用基于最小二乘支持向量机(LS-SVM)的软测量建模方法,通过工业现场数据来对丁二烯精馏装置建立软测量模型.对于该软测量模型,支持向量机方法比BP神经网络方法具有更好的泛化能力.研究结果表明,基于最小二乘的支持向量机建模方法是一种有效的软测量建模方法.     

基于改进粒子群优化LSSVM的水泥熟料fCaO软测量

针对水泥熟料fCaO含量难以在线实时测量,提出了一种基于最小二乘支持向量机的软测量建模方法。针对最小二乘支持向量机模型的2个难点进行了改进:首先利用样本间的马氏距离来衡量样本的相似程度,删除样本中部分相似样本,提高最小二乘支持向量机模型的稀疏性,从而减小了模型的运算量。然后利用改进的粒子群优化算法对最小二乘支持向量机模型的2个重要参数进行迭代寻优,克服了常规交叉验证法或网格搜索法等参数选择方法的盲目性。最后将基于粒子群最小二乘支持向量机软测量模型用于熟料fCaO含量的实例仿真。结果表明,该方法具有收敛性好、预测精度高、泛化能力强等优点。     

基于改进和声搜索算法的支持向量机参数优化

提出了一种改进和声搜索算法以优化支持向量分类机的参数,该方法可以随着迭代次数的增加自适应动态调整参数。在核电站电动隔离阀门故障分类预测的仿真实验中,将该方法与经典智能算法优化参数的支持向量分类机对比,基于改进和声搜索算法的支持向量分类机具有更高的分类精度和泛化能力。     

FCC汽油二次反应动力学模型研究进展

介绍了针对催化裂化汽油二次反应降烯烃及增产丙烯过程的动力学模型,包括各种集总动力学模型、结构导向集总与蒙特卡洛相结合的分子尺度动力学模型,以及可以预测汽油二次反应产物分布的人工神经网络和预测丙烯产率的支持向量机等黑箱模型。     

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.     

基于最小二乘支持向量机的软测量方法在精对苯二甲酸生产中的应用

研究了一种基于改进型的最小二乘支持向量机的软测量方法在精对苯二甲酸(PTA)生产中晶体粒径大小估计中的应用。对最小二乘支持向量机采取了稀疏化与实时滚动改进,改进后的算法样本数量大大降低,同时保持了原有水平的预测能力。结果表明该方法对精对苯二甲酸的颗粒具有较高的预测能力。     

EEMD近似熵和支持向量机的管道泄漏特征向量提取研究

针对管道泄漏检测中常存在误报、错报及漏报等问题,提出一种管道泄漏检测高准确率的检测方案。该方案将EEMD近似熵和支持向量机相结合应用到管道泄漏检测研究中,为消除端点效应和模态混叠现象,将改进经验模态分解和近似熵相结合对管道泄漏信号进行泄漏特征提取,组成特征向量组作为支持向量机分类的输入,实现较好的分类效果。     

基于稀疏特征空间的核方法建模研究

为提高支持向量机在建模方面的拟合性能,针对核函数方法中单个核函数的局限性,尝试融合核支持向量机建模方法以提高模型的泛化能力和精度。为避免在进行核融合时,支持向量机稀疏性的缺失,提出将数据映射到稀疏特征空间进行研究。通过仿真研究表明,所建模型在保证稀疏性的前提下,能较好地提高建模精度,从而验证了算法的有效性。