基于DWT-MOSMA-SVM的多目标优化短期母线负荷预测

母线负荷基数小，波动性和不确定性大，随着光伏、风电等可再生能源的接入，母线负荷受天气等随机性因素的影响增加，母线负荷的高精度预测受到很大影响。针对小样本场景下母线负荷预测问题，提出了一种基于离散小波变换-多目标黏菌算法-支持向量机(discrete wavelet transformation-multiple objective slime mould algorithm-support vector machine, DWT-MOSMA-SVM)的多目标优化短期母线负荷预测方法。首先采用离散小波变换对母线负荷数据进行处理；然后兼顾预测的精度和稳定性两个目标函数，采用多目标黏菌算法对支持向量机的惩罚因子和核函数参数进行优化；最后在优化所得的Pareto前沿面上选择Pareto最优解，以此搭建支持向量机(support vector machine, SVM)预测模型进行训练，并将预测结果与长短期记忆网络(long short-term memory, LSTM)、未优化的SVM以及多目标黏菌算法(multi-objective slime mold algorithm, MOSSA)...     

低成本老人居家跌倒检测报警系统设计

本文针对我国老龄化严重、看护资源不足,老人在家意外跌倒不能被及时发现无法得到救治的问题,研究分析了跌倒检测技术及老人生活环境,基于微机电系统(MEMS,Micro-Electro-Mechanical System)技术提出一种脚部运动特征值信号向量幅值(signal vector magnitude,SVM)和倾斜角(tilt angle,TA)的多阈值跌倒判别及滞后修正方法,结合无线充电技术,设计了基于CC2530的低成本老人居家跌倒检测报警系统。老人在家意外跌倒时,系统可自动向预设监护人发送报警短信,具有低成本、低功耗、高可靠性的特点。     

基于改进SVM的文本混沌性分类优化技术实现

当前的文本分类方法无法较好地处理海量文本以及文本特征空间数据,不能打破计算机处理性能和内存的约束,实现文本混沌性分类。而云计算平台可向用户提供需要的运算能力和存储空间。提出一种优化SVM的云计算环境下文本混沌性分类方法,设计Hadoop开源云计算系统,通过该系统中的Map Reduce模型对分类过程进行处理,提高分类的效率。采用优化SVM分类方法将混沌文本分类二次规划过程中的不等式限制变换成等式限制,提高海量文本混沌性分类精度。实验结果表明,所设计分类方法具有更高的处理效率,可以对海量文本数据进行准确的分类。     

智能视频客流人数统计系统的算法比较研究

随着中国人口的不断增长,客流统计数据在现代社会越来越受到人们的重视。文中主要针对基于Haar特征的人脸识别算法与基于HOG的行人检测算法作对比研究,为客流统计系统的算法选择给出一定的指导意见。首先,文中分别详细阐述两种算法的原理;其次,分别利用采集的现场数据来验证两种算法;最后,总结了两种算法各自的优缺点,并提出一种新的算法框架方案。实验结果表明,基于Haar特征和HOG特征的客流统计算法,在单人检测、少人检测以及多人正反面的情况下,准确率较高。而受背景、光照、相似轮廓、人群密集度等因素影响,在多人检测的情况下,存在一定的误检率。     

基于改进EEMD方法的工程机械液压系统冲击振动信号研究

工程机械液压系统发生冲击故障时,振动信号会出现相应的时频特性的变化,准确捕捉液压缸冲击振动信号,提取信号的典型特征是故障诊断的关键。该文首先运用SVM延拓解决EEMD方法的端点效应,然后通过改进的三次样条插值方法拟合包络线,再利用互相关分析与频谱分析对特征模态分量进行筛选,选取出能够代表信号特征的IMF分量。最后使用改进的EEMD方法对液压系统突然换向引起的冲击振动信号进行分析,选取出能够代表信号特征的IMF分量,为以后的智能诊断故障特征提取提供依据。     

基于HOG和SVM的双眼虹膜图像的人眼定位算法

针对近红外光下现有的人眼定位算法普遍存在准确性不高、泛化能力不佳等问题，提出了一种基于方向梯度直方图（HOG）和支持向量机（SVM）相结合的双眼虹膜图像的人眼定位算法。利用HOG提取虹膜图像的人眼特征，并结合SVM分类器对HOG特征进行训练从而实现人眼的精确定位。为了减少漏检和误检，进一步提高定位准确率，又提出了多级级联SVM分类器算法；另外针对近红外光线下虹膜图像独特的灰度分布特点，设计了一种图像预处理方法，能够显著提高人眼定位速度。在MIR2016和CASIA-IRIS-Distance数据集上的实验结果表明，基于HOG和SVM的双眼虹膜图像的人眼定位算法具有高准确率、强泛化能力和高实时性。     

一种基于SVM及文本密度特征的网页信息提取方法

针对网页的多样性、复杂性和非标准化程度的提高,提出一种基于SVM及文本密度特征的网页信息提取方法。该方法先将网页整体解析成DOM树,然后根据网页结构提出五种网页密度特征,用数学模型进行密度比例分析,并采用高斯核函数(RBF)训练样本数据。该方法训练出的数据模型能够准确地去除网页广告、导航、版权信息等噪音信息,保留正文信息块,最后进行正文信息块内除噪。实验表明,该方法不仅有较高的精度,而且通用性好。     

一种基于RF-SVM网络安全态势感知算法的应用研究

随着网络用户规模的大幅度增加,网络用户使用计算机的水平参差不齐,导致网络安全事故频频发生,提升网络安全态势感知已经成为研究的重点。本文提出了一种基于RF-SVM的网络安全态势感知算法,该算法引入回归思想,在网络入侵感知过程,充分地参考历史网络攻击数据,预测未来网络数据流中潜在的威胁,实验证明该算法能够有效地提升网络安全感知的准确度,降低预测误差。     

结合词语规则和SVM模型的军事命名实体关系抽取方法

作战文书一直是我国军事中的一项重要任务,但是由于作战文书的特殊性和保密性,写者都会用一些带有特殊性质的东西来掩人耳目,但是作战文书非常重要,关乎作战中军事命名和实体作战的关系,稍有不慎就会理解错误,轻则会违反规定,重则会直接影响到我国的经济利益和国土安全,因此,抽取作战文书中的主要意思,弄清楚军事命名实体关系,对实现作战文书语义理解有着重大突破。作战文书分析模式虽然有很多方法,但是大多数学者都是在它的基础上结合词语规则和SVM模式进行研究,是目前最为有效的抽取方法。此类方法的使用主要是先利用语文中经常用到的词语规则整理出作战文书中连续出现并且相似度极高的实体,并从中提取出相关信息,两者相互磨合,能更好地与SVM模型兼容。其次,使用SVM模型对各个有效因素进行建立模型,抽取其中我们所需要的信息进行军事命名实体关系的研究。根据以上结果充分表明,如果单独使用SVM模型进行提取,其结果将不堪一击,但是如果优先利用词语规则进行提取,之后再结合SVM模型进行抽取,整个准确率和效率都会得到事半功倍的效果。     

基于Hadoop平台下SVM的图像识别技术

针对海量图像的识别技术进行研究,使用SVM算法作为图像识别模型,考虑到随着图像训练样本数据量逐步增大,训练样本呈现指数上升这一问题,在此对基于Hadoop云平台的并行运算SVM方法进行研究,缩短训练时间,加快图像识别效率。使用Corel图像库中图像进行实验研究,结果表明,常规单机SVM图像识别系统以及基于Hadoop平台SVM的图像识别系统的识别准确率相差不大。当Hadoop平台中拥有超过2个节点时,加速比明显上升,训练时间下降,Hadoop平台中使用SVM进行图像识别的效率优势体现出来。