最小二乘支向量机在焊缝跟踪中的应用

为了克服传统焊缝跟踪方法精度低等问题,采用最小二乘支持向量回归机( LSSVM)进行焊缝跟踪.最小二乘支持向量机通过构造回归函数解决焊缝跟踪问题.与支持向量机不同的是,最小二乘支持向量机通过构造一个新二次损失函数,将支持向量回归机的二次规划问题转变为求解线性方程,从而改进了原支持向量机的跟踪精度.为验证所设计控制器的有效性,进行了焊缝的跟踪实验,并设计了实验条件;实验结果表明基于LSSVM的焊缝跟踪误差小于径向基(RBF)神经网络,可见采用LSSVM的控制更能够适应实际焊接过程的变化.     

基于NNG-LSSVM的铜精矿品位软测量方法研究

浮选技术是当今铜矿选矿最主要的方法并得到了广泛应用。浮选流程中铜精矿品位决定了最终产品的质量,是整个过程的关键变量。然而在实际生产中,该参数的测量耗时较长,难以实时在线测量。提出了一种基于非负绞杀(Nonnegative garrote)与最小二乘支持向量机(Least Squares Support Vector Machine)的软测量方法,并利用DCS系统提供的实际生产数据对该变量进行预测建模。仿真结果表明,所研究的软测量方法能够准确预测铜精矿品位的变化,能很好地实现精矿品位的实时预测及估计,并且在模型精度上明显优于其他软测量方法。     

基于多特征和最小二乘支持向量机相融合的行人检测模型

为了提高行人检测正确率,提出一种基于多特征融合和最小二乘支持向量机的行人检测模型。首先提取行人的相位一致性特征和梯度直方图特征,然后采用粒子群算法选择最优特征子集,最后将最优行人检测特征子集输入到最小二乘支持向量机对学习和分类,并采用对模型性能采用仿真实验进行测试。结果表明,相对于其它行人检测模型,本文模型不仅提高了行人检测率、降低了虚警率,而且加快行人检测效率,具有较强的鲁棒性。     

基于即时学习算法的短期负荷预测方法

针对电力系统短期负荷数据存在非线性和时变性等问题,提出了一种变量相关性局部即时学习算法和最小二乘支持向量机(LSSVM)的电力系统短期负荷预测模型。利用互信息计算气象数据、各气象因素等变量的相关度,并引入到即时学习算法训练集中,用以选择当前电力系统负荷的建模邻域,提高系统短期负荷模型预测的精度。利用相似度阈值对局部模型进行自适应更新,增强系统负荷模型实时性。利用Matlab对某市宛城区的负荷量进行预测,结果表明,基于即时学习算法的电力系统短期负荷预测模型误差更小,系统预测精度更高。     

基于PSO-LSSVM的砂层可注性预测模型及其敏感性分析

现有砂层可注性评价方法多为分类评价,且分类标准不一,不利于实际工程应用.为此,采用粒子群算法(PSO)对最小二乘支持向量机(LSSVM)进行优化,提出可注性量化预测模型.选取水泥浆液水灰比R_WC、相对密实度D_r、细颗粒（直径＜0.075 mm）含量θ、砂层特征粒径D₁₀和D₁₅为控制变量,开展129组可注性室内试验,以每组试验浆液扩散距离作为可注性量化评价指标.基于PSO-LSSVM方法建立砂层可注性与各控制变量间的关系模型,采用傅里叶幅度敏感性测试法（FAST）对可注性影响因素进行全局敏感性分析.结果表明:PSO-LSSVM模型具有较高的预测精度,砂层可注性模型预测值与试验值基本一致,拟合优度R²为0.982;各影响因素对可注性的敏感性排序为:D₁₀＞D₁₅＞D_r＞θ＞R_WC,其中D₁₀和D₁₅敏感性显著高于D_r、θ和R_WC.     

基于相似性样本的LSSVM短期风速和风功率预测研究

风速具有较大的随机波动性,影响电网的稳定性,良好的风速预测是解决风电并网问题的关键。为了提高风速预测的精确性,首先对风速数据进行相似性样本的提取,采用分段线性化的搜索方法,求出各小段风速的斜率与长度所占的比重,继而找出相似性距离最小的曲线簇。并以此作为训练样本,采用最小二乘支持向量机（LSSVM）模型对风速进行预测。预测结果表明,采用风速的相似曲线簇进行LSSVM模型训练所得的风速和风电功率预测结果更优。     

基于LSSVM的磁瓦表面瑕疵偏向性分类

针对磁瓦表面缺陷检测方法分类准确率低的问题,提出一种基于LSSVM技术的瑕疵偏向性分类方法。构造5个尺度8个方向Gabor滤波器组,提取经过Gabor变换后生成的40副子图的均值与方差为磁瓦图像特征。采用耦合模拟退火算法初步寻优,在所得初步参数的邻域使用网格算法进行精细搜索。为实现对缺陷磁瓦的偏向性预测分类,改进了虚拟少数类过采样算法。去除原始训练样本中的噪声样本数据,再在瑕疵边界样本与合格样本之间过采样。实验结果表明,最小二乘支持向量机分类器模型训练时参数寻优时间明显缩短,整体分类正确率达到95.56%,偏向性分类正确率达到99.09%,实现对缺陷磁瓦的偏向性分类。     

改进的局部LSSVM算法在明胶浓度软测量中的应用

在明胶生产的提胶工艺中,胶液浓度是一个很重要的质量和控制参数,但是目前对明胶浓度的检测手段多为离线人工检测,不能实现在线实时测量.该文提出使用软测量的方法对明胶浓度进行在线测量,采用局部LSSVM建模方法进行软测量建模,并用PSO算法对模型参数进行优化.Matlab仿真结果表明,基于PSO优化的局部LSSVM的软测量方...     

基于最小二乘支持向量机的线性特征地物亚像元定位(英文)

BP神经网络已被证明能有效实现遥感图像的亚像元定位,但其训练时间较长,容易陷入局部最优且依赖于大量的训练样本。而在实际应用中,训练样本即先验信息较难获取。然而,建筑物及道路等地物具有规则的线性空间分布。针对这些线性特征地物,研究了一种训练样本的几何合成方法,消除对先验信息的依赖,并提出利用最小二乘支持向量机实现亚像元定位。实验表明,这种结合合成训练样本与最小二乘支持向量机的亚像元定位方法是合理可行的,且与BP神经网络实现方法相比,训练过程明显加快,定位精度更高。     

An Efficient Approach for the Determination of Oil Production Rate During the Water-flooding Recovery Method

In this work, a mathematical methodology namely, least square support vector machine (LSSVM) is implemented to predict the variation of oil production rate as a function of oil water viscosity ratio and water injection rate for water-flooding. Furthermore, the coupled simulated annealing (CSA) optimization technique is coupled with LSSVM to find the optimal architecture and parameters of the LSSVM. The obtained results demonstrate that the CSA-LSSVM estimations are in a satisfactory agreement with literature-reported data and the previously published correlation. Consequently, the R² and average absolute relative deviation of CSA-LSSVM model in testing phase are reported 0.979 and 8.15, respectively.