Phase Space Prediction of Chaotic Time Series with Nu-Support Vector Machine Regression

A new class of support vector machine, nu-support vector machine, is discussed which can handle both classification and regression. We focus on nu-support vector machine regression and use it for phase space prediction of chaotic time series. The effectiveness of the method is demonstrated by applying it to the Hénon map. This study also compares nu-support vector machine with back propagation (BP) networks in order to better evaluate the performance of the proposed methods. The experimental results show that the nu-support vector machine regression obtains lower root mean squared error than the BP networks and provides an accurate chaotic time series prediction. These results can be attributable to the fact that nu-support vector machine implements the structural risk minimization principle and this leads to better generalization than the BP networks.     

Image denoising using least squares wavelet support vector machines

We propose a new method for image denoising combining wavelet transform and support vector machines (SVMs). A new image filter operator based on the least squares wavelet support vector machines (LSWSVMs) is presented. Noisy image can be denoised through this filter operator and wavelet thresholding technique. Experimental results show that the proposed method is better than the existing SVM regression with the Gaussian radial basis function (RBF) and polynomial RBF. Meanwhile, it can achieve better performance than other traditional methods such as the average filter and median filter.     

基于支持向量机、支持向量回归和分子对接的CYP450 1A2抑制剂的发现研究

支持向量机,支持向量回归和分子对接的计算方法已广泛应用于化合物的药理活性计算。为了提高计算的准确性和可靠性,拟以细胞色素P450酶1A2为研究载体,运用建立的联合SVM-SVR-Docking计算模型预测潜在的CYP1A2抑制剂。其中,建立的最优SVM定性模型训练集,内部测试集和外部测试集的准确率分别为99.432%,97.727%和91.667%。最优SVR定量模型训练集和测试集的R和MSE分别为0.763,0.013和0.753,0.056。实验表明两个模型具有较高的准确性和可靠性。通过对SVM和SVR模型结果的比较分析,发现连接性指数、分子构成描述符和官能团数目等分子描述符可能与CYP1A2抑制剂的辨识和活性预测密切相关。随后利用分子对接技术分析化合物与CYP1A2的结合构象及相互作用的稳定性。形成氢键相互作用的关键氨基酸包括THR124,ASP320;形成疏水相互作用的关键氨基酸包括ALA317和GLY316。所获得模型可用于天然产物化学成分中CYP1A2潜在抑制剂的活性计算及其介导的药物-药物相互作用预测提供理论指导,也为合理联合用药提供一定参考。共获得20个对CYP1A2具有潜在抑制活性的化合物。部分结果与文献结果相互印证,进一步说明了模型的准确性和联合计算策略的可靠性.     

改进加权支持向量机回归方法器件易损性评估

加权支持向量机回归算法,几乎都是以样本输入空间中的一个重要特征量的函数来确定权值,造成了在高维特征空间中作回归可能存在较大误差。针对这一问题,提出利用高维特征空间中的欧基里德距离来确定权值的方法,构造了一种改进的加权支持向量机回归算法,并将其应用到电子器件高功率微波易损性评估中。仿真结果表明:该方法具有比模糊神经网络法、标准支持向量机回归算法和一般的加权支持向量机回归算法更高的预测精度。由于增加了权值的计算过程,相对于标准支持向量机回归和模糊神经网络方法,该方法的效率较低,但与一般的加权支持向量机回归算法相当。     

Support Vector Regression Model for Millimeter Wave Transitions

In this paper, we introduce a new method, support vector regression (SVR) method, to model millimeter wave transitions. SVR is based on the structural risk minimization (SRM) principle, which leads to good generalization ability for regression problem. The SVR model can be electromagnetically developed with a set of training data and testing data which produced by the electromagnetic simulation. Two Ka-band millimeter wave transitions, i.e., waveguide to microstrip transition and coaxial to waveguide adapter, are used as examples to validate the method. Experimental results show that the developed SVR models have a good predictive ability, and they are useful for interactive CAD of millimeter wave transitions.     

Efficient Stochastic Simulation Algorithm for Chemically Reacting Systems Based on Support Vector Regression

通过引入机器学习中的孪生支持向量回归(twin support vec-tor Regression,TSVR)算法,提出了一个将TSVR与随机模拟算法(stochastic simulation algorithm, SSA)相结合的基于孪生支持向量回归的随机模拟算法(twin support vector regression based stochastic simulations algorithm,TS3A).数值模拟实验表明该算法不仅能广泛应用于化学反应系统的模拟,并且在较少的模拟次数下可明显提高精度和效率.     

拉曼光谱技术的汽油组分含量测定

为实现汽油中所含组分含量的快速测定,对93号、97号汽油,芳烃、烯烃、苯、甲醇、乙醇等几类物质,以及往汽油中添加几类物质后的410个汽油混合物进行拉曼光谱检测。将获取的原始拉曼光谱经过有效波段提取、平滑去噪、基线扣除、数据归一化等一系列预处理过程,最终提取出每个汽油混合样品光谱中所含的33个特征峰信息,依据现行的国标检测方法,以气相色谱法测定的汽油中各组分含量值为基础,结合化学计量学多重回归分析方法,建立了汽油组分含量测定模型。经过比较,使用多输出最小二乘支持向量回归机(MLS-SVR)建立的模型优于偏最小二乘(PLS)模型。MLS-SVR模型对汽油中芳烃、烯烃、苯、甲醇、乙醇测定精度均较好,预测均方根误差(RMSEP)分别为0.27%,0.30%,0.16%, 0.17%, 0.12%;相应的相关系数(r)为0.999 2,0.998 4,0.998 5,0.992 6,0.996 8。通过对未知混合汽油样品的测定,证明了该方法具有较好的推广预测精度,预测均方根误差不超过0.5%,能够满足工业中的测量需求。拉曼光谱结合多输出最小二乘支持向量机为汽油组分测定提供了一种高精确、快捷、方便的测定方法。     

支持向量回归建立测定醇烯比的近红外光谱校正模型

在石化工业中,甲基叔丁基醚（MTBE）是20多年来发展最快的石化产品之一。在生产过程中,反应器混合进料的醇烯比（MRMI）都是一个至关重要的操作参数,但传统的色谱方法由于速度慢、硬件维护量大等原因,应用效果大都 不理想。近红外光谱方法因其快速、测量方便、维护少等特点,特别适合这一参数的在线测量。但是,由于醇烯比与近红外光谱之间呈严重的非线性响应,基于线性校正的偏最小二乘方法将不能得到准确的测定结果。因此,文章采用近几 年新兴的支持向量回归方法建立近红外光谱测定醇烯比的校正模型,结果表明,该方法的预测能力优于偏最小二乘和人工神经网络方法,可以推广应用于实际的醇烯比在线近红外测量中。     

基于SVR和粒子滤波的室内导航方法

针对室内环境复杂性造成的室内定位精度不足问题,提出一种基于支持向量机回归和粒子滤波的室内导航方法;离线阶段通过采集室内接收信号强度并利用统计学习方法,构建室内RSS与物理位置之间的支持向量回归映射模型,定位阶段使用智能移动设备采集加速度、方向角等运动状态信息和Wifi模块感知的环境信息,并利用粒子滤波将运动数据和回归结果进行融合处理,推算移动用户运动轨迹;室内实验结果表明,本方法最大定位误差为1.891 m,平均误差为0.669 m,有效地提高了室内定位导航精度。     

PSO-ASVR在三波长路面状态传感器定量标定中的应用

路面状态传感器是路面状态定性识别和定量测量的重要工具,其定量测量性能依赖于定量标定模型的准确性。为了解决路面状态传感器定量标定数据非线性和非均匀分布问题对定量测量的不利影响,提出基于PSO-ASVR(particle swarm optimization-adaptive support vector regression)的路面状态传感器定量标定模型。构建AP(adaptive preprocessing)流程进行标定数据最优化预处理,降低路面状态传感器非均匀分布问题影响下的标定数据处理误差。采用基于结构风险最小化的SVR(support vector regression)算法进行标定数据拟合,并利用PSO(particle swarm optimization)算法实现SVR中参数最优化,降低路面状态传感器标定数据非线性引入的数据拟合误差。不同路面状态条件下标定数据处理实验表明:新方法相比于传统方法在均方根误差RMSE上至少可减小63%,验证了其在提高定量标定模型精度上的有效性,实现了路面状态传感器定量标定误差的降低。     

Logistic回归算法结合近红外光谱对子宫内膜癌组织切片分类的研究

子宫内膜癌是一种常见的妇科癌症。实验将Logistic回归作为一种建模方法引入到子宫内膜癌分类诊断模型中。77个样本通过主成分判别分析和支持向量机判别分析进行降维,应用拉丁配分方法选择训练集和测试集并确定Logistic回归模型参数。结果表明,Logistic回归模型不仅能够对样本进行正确的分类,而且能将样本的分类归属趋势与临床诊断结果很好的一致。主成分判别分析结合Logistic回归有望发展为一种近红外光谱检测癌症组织的新方法。     

一种混沌海杂波背景下的微弱信号检测方法

基于复杂非线性系统的相空间重构理论,提出了一种基于遗传算法的支持向量机预测方法.利用改进的自相关法和饱和关联维数法确定混沌信号的时间延迟和嵌入维,从而实现相空间重构.通过遗传算法优化支持向量机中的惩罚系数和核函数参数,并结合支持向量机建立混沌序列的单步预测模型,从预测误差中检测出淹没在混沌背景中的微弱信号(包括瞬态信号和周期信号).以Lorenz系统和加拿大McMaster大学利用IPIX雷达实测得到的海杂波数据作为混沌背景噪声进行仿真实验,结果表明该方法能够有效地从混沌背景噪声中检测出微弱目标信号,所得的均方根误差为0.00049521(信噪比为-89.7704 dB),这比传统支持向量机方法的均方根误差(0.049,信噪比为-54.60 dB)降低了两个数量级.     

Small-time scale network traffic prediction based on a local support vector machine regression model

In this paper we apply the nonlinear time series analysis method to small-time scale traffic measurement data. The prediction-based method is used to determine the embedding dimension of the traffic data. Based on the reconstructed phase space, the local support vector machine prediction method is used to predict the traffic measurement data, and the BIC-based neighbouring point selection method is used to choose the number of the nearest neighbouring points for the local support vector machine regression model. The experimental results show that the local support vector machine prediction method whose neighbouring points are optimized can effectively predict the small-time scale traffic measurement data and can reproduce the statistical features of real traffic measurements.     

Zernike矩在橡胶添加剂太赫兹光谱定量分析中的应用研究

近年来,“绿色轮胎”发展备受关注。在绿色轮胎制造过程中需要多种橡胶添加剂,而橡胶添加剂的含量与绿色轮胎能否达标密切相关,因此,对轮胎橡胶中相关橡胶添加剂的定量检测具有重要意义。太赫兹时域光谱（THz-TDS）技术已经成功应用于物质定量分析领域,但当定量分析对象为多组分混合物时,由于混合物光谱出现重叠和失真等原因,会导致定量分析结果不理想。针对此问题,将Zernike矩作为一种光谱预处理技术引入到橡胶添加剂多组分混合物的太赫兹光谱定量分析中,提出了基于Zernike矩结合支持向量回归（Zernike moment-support vector regression, ZM-SVR）的太赫兹光谱定量分析方法。首先,以影响绿色轮胎质量能否达标的三种橡胶添加剂氧化锌、白炭黑和2-巯基苯并噻唑（MBT）为定量检测对象,将3种橡胶添加剂与丁腈橡胶构成多组分混合物实验样本,并通过太赫兹时域光谱系统测得样本的太赫兹光谱;然后,对太赫兹光谱进行分析与处理,得到其吸收系数、消光系数和折射率3种光学参数后,将3种光学参数构建为样本的太赫兹三维光谱,并利用Zernike矩提取太赫兹三维光谱灰度图的特征信息;最后,利用支持向量回归建立样本太赫兹三维光谱灰度图特征信息和目标成分含量之间的定量模型,从而对混合物样本中目标成分含量进行分析。利用该方法得到的定量模型预测集相关系数均大于等于0.952 2,均方根误差均小于等于2.267 2%。为进一步验证该方法的有效性,将定量分析结果与常规方法PLS和SVR的结果进行了对比。对比发现,相比常规方法得到的定量分析结果,Zernike矩结合支持向量回归方法所得结果的准确性和稳定性均得到了明显提升。因此,Zernike矩结合支持向量回归方法为橡胶添加剂多组分混合物的太赫兹光谱定量检测提供了新思路,在绿色轮胎及橡胶的质量检测领域具有广阔应用前景。     

LIBS分析模型对铝合金定量分析精度的影响

为了提高铝合金定量分析的精度,将激光诱导击穿光谱技术与多变量线性回归、中值高斯核支持向量机回归及标准化偏最小二乘回归等方法相结合,建立铝合金中C u元素定量分析模型.对采集的L IBS光谱进行三阶极小值去背景和小波阈值降噪处理,从而提高LIBS光谱的信背比.将处理后数据筛选最佳训练集、预测集并用多变量线性回归、中值高斯...     

近红外光谱用于植物样品中水溶性氯离子含量的测定

基于离散小波变换(DWT)和最小二乘支持向量回归(LSSVR)方法,建立了近红外光谱测定植物样品中水溶性氯离子的回归校正模型。以烟草样品中水溶性氯离子含量的测定为研究对象,首先采用DWT对近红外光谱进行数据压缩和背景扣除,再用LSSVR建立氯离子的校正模型。结果表明,与偏最小二乘回归(PLSR)和传统的LSSVR方法相比,作者所建模型的预测准确性具有一定优势。