一种基于聚类的支持向量机增量学习算法

提出了一种基于聚类的支持向量机增量学习算法.先用最近邻聚类算法将训练集分成具有若干个聚类子集,每一子集用支持向量机进行训练得出支持向量集;对于新增数据首先聚类到相应的子集,然后计算其与聚类集内的支持向量之间的距离,给每个训练样本赋以适当的权重;而后再建立预估模型.此算法通过钢材力学性能预报建模的工业实例研究,结果表明:与标准的支持向量回归算法相比,此算法在建模过程中不仅支持向量个数明显减少,而且模型的精度也有所提高.     

多支持向量机在高炉喷煤规则挖掘中的应用

高炉冶炼受生产过程运行规律和生产技术人员操作方式支配,由于对高炉的认识还不充分,在高炉冶炼操作过程中有时忽略了工艺指标与参数之间的相互关系,造成能源的消耗。寻求高炉冶炼喷煤过程的操作规则对生产节能降耗就显得尤为重要。选取蕴含有客观规律和生产技术人员操作决策模式等重要信息的生产历史数据,选出满足优化标准的数据,运用模糊C均值聚类将数据分成子集,分别建立相应的支持向量机子模型,将输入对应每一类的隶属度值再作为权值进行加权求和得到模型最终的输出值,从而建立起高炉冶炼喷煤的操作规则模型。通过规则挖掘实现对高炉现场冶炼过程的指导,达到优化高炉生产操作模式的目的。     

基于万有引力优化的支持向量机模型在板形识别中的应用

 针对目前板形模式识别模型泛化能力不高、训练速度慢等缺陷,以1次、2次、3次、4次勒让德正交多项式为板形缺陷基本模式,提出了由支持向量回归机（SVR）构建的模式识别模型;为了提高该模型的精确度,引入万有引力算法（GSA）优化SVR的参数,由此构成GSA-SVR预测模型。仿真试验结果表明:GSA-SVR模型不仅识别结果精度高,而且与PSO-BP神经网络模型相比泛化能力更强,训练速度更快,其识别结果可以为板形控制提供有效的依据。     

支持向量机在铁水硅含量预报中的应用

支持向量机是基于统计学习理论发展而来的一种机器学习算法,它能较好地解决非线性、高维数、小样本、局部极小点等实际问题。本文提出了使用最小二乘支持向量机模型预测高炉铁水硅含量的方法,以山东莱钢1号高炉在线采集数据作为应用案例。结果表明最小二乘支持向量机模型预测高炉铁水硅含量命中率可达到85%以上。     

支持向量机改进及其在钢材质量管理建模中的应用研究

针对支持向量机参数难以选择的问题,提出了基于差分进化算法（DE）的参数选择方法,算例分析结果表明DE算法选择SVM参数有着迭代次数少、结果稳定的优点,能够很好的解决SVM的参数选择问题。随后将基于DE算法选择参数的支持向量机应用于一个钢材质量管理的建模实例中,并将其与神经网络建模方式所得结果相比较,结果表明经改进的支持向量机的预测性能更加优秀。     

隧洞岩体质量分级的支持向量机方法

将支持向量机应用于岩体质量等级分类中,采用工程中适用性强的指标如岩石质量指标、完整性系数、单轴饱和抗压强度及结构面摩擦因数,作为判别因素.选用径向基核函数进行训练,通过交叉验证确定最佳模型参数,建立了岩体质量分级模型.该模型采用成对分类方法构建多类分类模型,与已有文献采用一对多分类法构建支持向量机多类分类模型相比,不可分区域减少很多,即模型分类精度提高显著.将该模型应用于工程实例,结果表明预测结果与工程勘测结果完全吻合,证明了支持向量机岩体质量分级方法的有效性.     

基于小波包分解和支持向量机的石油套管缺陷智能识别

 针对石油套管缺陷超声无损检测(NDT)中缺陷回波的特点,提出了一种基于小波包分解和支持向量机(SVM)的缺陷智能识别新方法。分析了Gabor、小波和小波包3种信号时频变换分解方法的特点,并进行了基于3种方法生成的特征数据可分性比较,确定了小波包分解方法效果最好。根据SVM解决分类问题的原理,采用SVM法对3种时频分解提取的缺陷信号特征数据进行识别。试验表明,基于小波包分解局部熵的特征提取结合SVM模式智能识别的组合方法,可应用于石油套管上的4种典型缺陷的识别。     

基于支持向量机起重机载荷谱获取方法的研究

采用支持向量机的非线性回归理论,建立相应类型桥式起重机工作循环次数与不同额定起升载荷和起升载荷之间的非线性映射关系——构建出桥式起重机的当量载荷谱,并利用可视化程序设计语言VC++6.0编制了起重机载荷谱获取与预测的应用软件。经工程实例验证:使用本软件构建相应类型桥式起重机的当量载荷谱是可行的,同时为起重机疲劳寿命评估软件的编制奠定基础。     

基于支持向量机的农村劳动力转移预测

分析目前影响农村劳动力转移的主要因素,运用支持向量机理论将农村劳动力转移的主要影响因素作为量化指标,从农村经济持续发展的角度,结合<宁夏统计年鉴>1990～2002年数据,建立基于支持向量机的农村劳动力转移预测模型.对预测结果和精度进行分析,验证了该方法的有效性.     

基于灰度信息和支持向量机的人眼检测方法

提出一种基于灰度信息和支持向量机的人眼检测方法.首先,利用人眼区域灰度变化比人脸其他部位灰度变化明显的特征,采用图像灰度二阶矩(方差)建立人眼方差滤波器,在固定人眼搜索区域内,应用人眼方差滤波器搜索候选人眼图像;然后,使用训练的支持向量机分类器精确检测人眼区域位置;最后,采用图像灰度信息率定位人眼中心(虹膜中心).该方法在BioID、FERET和IMM人脸数据库中的测试结果显示:没有佩戴眼镜人脸图像正确率分别为98.2%、97.8%和98.9%,406幅佩戴眼镜人脸图像正确率为94.9%;人眼中心定位正确率分别为90.5%、88.3%和96.1%.通过与目前方法比较,该方法获得较好的检测效果.     

基于支持向量机的漏钢预报系统在唐钢板坯连铸项目中的应用

在河北钢铁集团唐山钢铁集团有限责任公司板坯连铸生产中,浇铸过程中的漏钢是典型的事故。为了尽可能降低连铸过程中漏钢事故所造成的损失,上海宝信软件股份有限公司开发了连铸漏钢预报系统,通过将逻辑判断方法和机器学习方法相结合,大大提高了漏钢预报模型的准确性,相应减少了漏报和误报给连铸生产带来的经济损失。     

支持向量机理论与算法研究综述

统计学习理论(statistical learning theory,SLT)是一种小样本统计理论,着重研究在小样本情况下的统计规律及学习方法性质.支持向量机(support vector maehinse,SVM)是一种基于SLT的新型的机器学习方法,由于其出色的学习性能,已经成为当前机器学习界的研究热点.该文系统介绍了支持向量机的理论基础,综述了传统支持向量机的主流训练算法以及一些新型的学习模型和算法,最后指出了支持向量机的研究方向与发展前景.     

基于核主元分析法和支持向量机的人耳识别

对人耳识别中若干关键问题进行了研究.介绍了两种人耳图像归一化处理的方法,即基于外耳轮廓长轴的线标记法和基于外耳轮廓起始点的点标记法,并对这两种方法进行了对比.在分析现有人耳识别方法不足的基础上,提出利用核主元分析法提取人耳图像的代数特征,再利用支持向量机分类模型进行人耳识别.在带有角度、光照变化的北京科技大学人耳图像库上得到的识别率为98.7%,表明了该识别方法的有效性以及利用人耳图像进行身份识别的可行性.     

基于支持向量机的轧钢电机状态综合评价方法

提出了一种面向设备管理的基于支持向量机(SVM)的轧钢电机状态综合评价方法。选取与电机状态密切相关的参数为评价指标,构建模拟电机状态综合评价体系的SVM评价模型,输出电机状态综合评价等级,制定绝对报警和相对报警两种警情设置,并建立警情溯源机制,从而为及时准确掌握电机状态和预报电机状态迁移趋势提供依据,有效防范渐变性故障的发生。以济钢热连轧厂粗轧上位电机为评价对象,基于历史监测数据构建电机状态SVM评价模型,并检验其有效性。实验结果表明,粗轧电机状态评价方法整体准确率为96.67%,对异常设备状态捕捉率为88.89%,异常状态误报率为3.33%。     

基于FCM的多支持向量机模型在高炉炉温预测中的应用

针对高炉炼铁智能控制专家系统中单一支持向量机(SVM)炉温预测模型的改进研究,提出一种基于模糊C均值聚类(FCM)的多支持向量机模型。首先运用模糊C均值聚类对模型训练集进行聚类划分,然后对每一类进行支持向量机的训练,建立相应的子模型,并对测试集中的同一样本点分别进行预测,以测试样本点的输入对应于每一类的隶属度为权值,进行加权求和,最终得到预测值。通过对在线采集的数据分析表明,基于FCM的多支持向量机模型比单一的支持向量机模型在多方面预测性能得到改善,连续预测100炉命中率达86%。     

基于支持向量机的围岩定性智能分级研究

本文将数据挖掘的新方法支持向量机应用于隧道围岩分级.支持向量机是一种基于统计学习理论的新的学习算法,比神经网络算法能更好地解决小样本问题.选用岩层厚度、岩体结构、嵌合程度、风化程度、地下水特征、节理发育程度、榔头敲击声和地应力等 8 个定性指标作为评判因子,用泥巴山隧道采集的实际数据作为样本对不同核函数的支持向量机进行训练,并得到评判因子与围岩级别的映射关系,从而可以对未知的围岩样本进行级别判别.判别结果表明:采用多项式核的支持向量机对围岩级别进行判别有较高的准确率,是一种值得推广和应用的围岩智能分级方法.     

基于支持向量机的低压故障电弧识别方法

故障电弧是引发电气火灾事故的主要原因之一。本文将支持向量机引入故障电弧研究领域,进行不同负荷情况下的故障电弧识别检测。首先参照美国ULl699标准进行实验采集电流数据,然后利用支持向量机实现故障电弧的训练、检测识别,并对训练、识别结果进行了分析,实验证明本文的检测方法具备一定的泛化能力。     

基于进化策略调节参数的回归支持向量机及其在铁水脱硫中的应用

在回归支持向量机的建模中,参数调节问题一直是影响模型性能的重要因素之一。本文提出了一种基于进化策略的参数选择的新方法,并将它应用于铁水脱硫过程的建模上以预测铁水中的最终含硫量,其预测结果比神经网络的预测结果有一定改进。理论分析和应用结果表明,该方法是一种快速、简单、有效的调参方法。     

基于支持向量机的高炉炉况诊断方法

现实中高炉炉况的征兆样本集是有限的,常规的基于经验风险最小化原则的方法的应用效果并不理想.支持向量机方法是针对小样本集分类问题提出的,具有很好的泛化能力,因此采用最小二乘法支持向量机进行高炉炉况诊断.通过仿真试验证实此方法具有很好的诊断效果.     

机器学习方法在矿产勘查中的应用

机器学习是目前热门的研究课题,机器学习算法在地学研究中的应用越来越多.其中以神经网络、支持向量机、随机森林等为代表的算法已大量使用在矿产勘查中,这些方法的使用大大提高了矿产勘查数据的处理效率,为矿产勘查数据的处理提供了新的途径和思路.但这些方法的使用中也经常容易出现一些问题,必须熟悉每种方法的原理和特点,才能更好的应用...