自训练半监督加权球结构支持向量机多分类方法

针对自训练半监督支持向量机算法中的低效问题,采用加权球结构支持向量机代替传统支持向量机,提出自训练半监督加权球结构支持向量机。传统支持向量机需要求解二次凸规划问题,在处理大规模数据时会消耗大量存储空间和计算时间,特别是在多分类问题上更加困难。利用球结构支持向量机进行多类别分类,大大缩短了训练时间,降低了算法复杂度。球结构支持向量机在不同类别样本数目不均衡时训练分类错误倾向于样本数目较小的类别,通过权值的引入,降低了球结构支持向量机对样本不均衡的敏感性,补偿了类别差异对算法推广性能造成的不利影响。在人工数据集和UCI(university of california irvine)数据集上的实验结果表明,该方法对有标记样本的鲁棒性较好,不仅能够提高效率,且分类精度也有显著提高。     

基于超球的支持向量机增量学习算法

支持向量机方法已经成功地应用于解决分类和回归问题,但是在训练支持向量机时需要求解二次规划问题,使得支持向量机的训练时间过长,训练样本量越大,这个缺陷越明显.将超球方法与回归支持向量机相结合,提出一种增量学习的新方法.该方法使用两个同心超球缩减训练集,以达到提高训练速度的目的.通过分析表明,这种新的增量学习方法较普通支持向量机训练方法有较低的计算复杂度.实验结果表明,该算法可以在不降低预测准确性的同时减少大量建模时间.     

基于加权超球支持向量机算法的超文本分类研究

为提高超文本分类算法的性能,降低算法的复杂度,提出一种适用于超文本分类的加权超球支持向量机算法.该算法综合文档内容信息和超链接信息作为文档特征向量,针对传统超球支持向量机算法在不同类别样本数目不均衡时训练分类错误倾向于样本数目小的类别的问题,利用加权因子补偿了类别差异对算法推广性能造成的不利影响.在基准数据集上的测试结果表明,该算法降低了二次规划的复杂度,提高了分类器的分类性能.     

不确定数据的一个支持向量机分类方法

给出了输入数据含有不确定信息的一个支持向量机分类方法.通过未确知数理论,得到支持向量机分类的一个概率约束模型,然后通过一定方法将概率约束转化为一般约束,由此将给出的概率约束优化模型转化为一个确定性支持向量机分类模型,从而有效解决了含有不确定数据的分类计算问题.     

基于模糊训练数据的支持向量机与模糊线性回归

支持向量机作为1种机器学习方法已广泛应用于模式识别及函数拟合,但在支持向量机中,训练数据均为精确数据.针对训练数据的输入是模糊数的情况,研究基于模糊训练数据的分类型支持向量机,并给出其解法.然后应用基于模糊训练数据的支持向量机研究模糊线性回归问题.     

模糊双超球学习机

受双支持向量机启发,提出模糊双超球学习机FTHLM。该方法试图为每类样本构造一个超球模型,通过构造一对超球模型将两类分类。模糊隶属度函数的引入有效地降低了奇异点和噪声点对分类结果的影响,从而保证FTHLM具有较高的分类效率。在UCI标准数据集上与支持向量机、双支持向量机的比较实验表明,所提FTHLM具有更优的分类能力。     

模糊支持向量机中隶属度确定的新方法

针对目前模糊支持向量机方法中,一般使用样本与类中心之间的距离关系构建隶属度函数的不足,提出一种改进的隶属度确定方法.该方法不仅考虑样本与类中心之间的关系,还考虑样本之间的关系根据样本的类中心与传统支持向量机构造的分类面构建2个超球,由样本点与超球的位置关系计算其隶属度,能够有效地区分样本点、噪音点以及孤立点.通过文本分类实验表明,与其他两种隶属度函数方法相比,基于双超球的模糊支持向量机方法可以更有效地将文本训练集中的噪音剔除,具有较好的分类性能.     

分类大规模数据的核向量机方法研究

标准的支持向量机算法需要求解二次规划问题,因此,在处理大规模样本的时候,求解二次规划问题的时间复杂度和空间复杂度就成为支持向量机应用的一个瓶颈.核向量机将传统支持向量机中的二次规划问题转化为求解最小包围球问题,从而显著降低了二次规划的复杂程度.使用核向量机对大规模数据进行分类,所选用的数据样本数均超过2000,并与标准的支持向量机作了对比实验结果表明:核向量机在处理大规模数据分类时,比标准的支持向量机计算复杂度低,训练速度快,耗费空间少.     

用于不平衡数据分类的模糊支持向量机算法

作为一种有效的机器学习技术,支持向量机已经被成功地应用于各个领域.然而当数据不平衡时,支持向量机会产生次优的分类模型;另一方面,支持向量机算法对数据集中的噪声点和野点非常敏感.为了克服以上不足,提出了一种新的用于不平衡数据分类的模糊支持向量机算法.该算法在设计样本的模糊隶属度函数时,不仅考虑训练样本到其类中心距离,而且考虑样本周围的紧密度.实验结果表明,所提模糊支持向量机算法可以有效地处理不平衡和噪声问题.     

基于Gauss核函数的快速构造最小超球算法

为提高基于超球的支持向量机算法中样本数据较多时的训练速度,提出一种构造最小超球的并行融合算法.该算法将全部训练数据集依据特定策略分割成若干个子数据集,分别对各个子数据集进行训练,对所得到的各子数据集的支持向量与融合数据进行训练,构造最小超球.仿真结果表明,并行融合算法在保证分类精度的情况下,能够显著减少训练时间,提高效率,且支持向量的数目较少.同时也验证了该文对Gauss核函数分析的正确性.     

基于RFNN的感应电动机无速度传感器矢量控制系统的研究

在无速度传感器的感应电动机控制系统中,根据经典的以及现代控制理论提出的控制策略都有一个共同问题,即控制算法的有效性很大程度上取决于模型的参数准确性．模糊神经网络则具有对不确定信息进行模糊推理的能力,这里介绍了递归模糊人工神经网络的结构和基于它实现的一个感应电动机无速度传感器矢量控制系统,并用MATLAB进行了仿真．     

Supply Chain Production-distribution Cost Optimization under Grey Fuzzy Uncertainty

Most supply chain programming problems are restricted to the deterministic situations or stochastic environments. Considering twofold uncertainty combining grey and fuzzy factors, this paper proposes a hybrid uncertain programming model to optimize the supply chain production-distribution cost. The programming parameters of the material suppliers, manufacturer, distribution centers, and the customers are integrated into the presented model. On the basis of the chance measure and the credibility of grey fuzzy variable, the grey fuzzy simulation methodology was proposed to generate input-output data for the uncertain functions. The designed neural network can expedite the simulation process after trained from the generated input-output data. The improved Particle Swarm Optimization (PSO) algorithm based on the Differential Evolution (DE) algorithm can optimize the uncertain programming problems. A numerical example was presented to highlight the significance of the uncertain model and the feasibility of the solution strategy.     

Supply China Production-distribution Cost Optimization under Grey Fuzzy Uncertainty

Most supply chain programming problems are restricted to the deterministic situations or stochastic environments. Considering twofold uncertainty combining grey and fuzzy factors, this paper proposes a hybrid uncertain programming model to optimize the supply chain production-distribution cost. The programming parameters of the material suppliers, manufacturer, distribution centers, and the customers are integrated into the presented model. On the basis of the chance measure and the credibility of grey fuzzy variable, the grey fuzzy simulation methodology was proposed to generate input-output data for the uncertain functions. The designed neural network can expedite the simulation process after trained from the generated input-output data. The improved Particle Swarm Optimization (PSO) algorithm based on the Differential Evolution (DE) algorithm can optimize the uncertain programming problems. A numerical example was presented to highlight the significance of the uncertain model and the feasibility of the solution strategy.     

机器故障诊断模糊分类规则的归纳学习

机器状态的有效监控是机器安全运行,提高系统生产效率的重要途径,由于环境的复杂性与不确定性,现有机器故障诊断系统的可靠性还不能满足应用要求,为此近来年发展了模糊诊断技术,对于模糊系统而言,其关键问题在于如何获得解决具体问题的模糊知识或规则,为此提出了一种被称为模糊归纳学习的学习方法,并利用模糊信息熵概念建立了从不确定信息数据中归纳模糊规则的学习准则,实验结果表明,利用所提出的模糊归纳学习方法所获得的模糊规则能不确定怀数据进行有效分类,从而能有效地提高机器故障诊断系统的与可靠性。     

基于软超球体的高维非线性数据异常点识别算法

在冶金、化工等流程型工业领域,生产中的过程控制参数往往具有高维非线性结构特征.为了解决这类高维复杂数据的异常点检测问题,本文引入了软超球体的概念,采用非线性核函数将原始数据映射到高维的特征空间,并在特征空间中确定软超球体的边界.通过检测待识别样本映射到特征空间的位置信息来判定过程参数的设定值是否为异常点,从而避免出现批量的产品质量问题.以某类汽车用钢为应用实例,对实际生产数据进行检测,证明了所提出的基于软超球体的异常点识别算法对于高维的非线性数据具有良好的检测能力.     

Distribution Inventory Cost Optimization Under Grey and Fuzzy Uncertainty

0 IntroductionThe bullwhipeffect makes many parameters of supplychainbecome more uncertain[1].The customer demand andre-plenishment lead ti me are i mportant uncertain parameters insupply chaininventory system[2 ,3]. However , many researchesabout inventory control have made strong assumptions takingthe uncertain factors as stochastic[3-6]or deterministic parame-ters[2].These assumptions may make the models less realistic.The stochastic programming and fuzzy programming areusual uncertain pro…     

基于FCM和FSVM的说话人辨认

针对经典支持向量机对非目标样本没有拒绝能力,且应用于说话人辨认时存在不可分区域的问题,提出一种基于模糊C均值聚类和模糊支持向量机的多级模糊说话人辨认方法。首先利用模糊C均值聚类方法对特征向量进行聚类,减少样本的数目,加快模糊支持向量机训练速度。最终由FSVM得出判决结果。并通过仿真实验验证了该方法的有效性。     

机会约束规划在地对空雷达干扰资源优化分配中的应用

应用机会约束规划理论,研究了反空袭作战中地对空雷达干扰资源优化分配问题。首先,在给出雷达威胁等级判定模型的基础上,利用干扰压制区建立了地对空雷达干扰效果评定模型。其次,根据所建干扰效果评定模型,综合考虑干扰资源分配过程中存在的不确定因素,建立了双层模糊机会约束混合整数规划模型。最后,利用可能性测度理论,将干扰资源优化分配模型清晰化为双层混合整数规划模型,通过求解混合整数线性规划来获取优化分配模型的最优解。仿真算例表明:所建的干扰资源优化分配模型不仅能够有效处理分配过程中的不确定信息,而且能够在本级干扰效果最大化的同时实现全局最优化;模型的求解算法针对性更强,非常适合求解该问题。     

一种新的Adaboost快速训练算法

提出了一种新的Adaboost快速训练方法,解决了基于Adaboost的人脸检测算法中结构复杂、训练非常耗时的问题．新方法从两方面提高训练速度：直接求解训练中Adaboost目标函数;在直接求解算法基础上,使用了双阈值简单分类器构造强分类器的Adaboost检测器结构。