首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 93 毫秒
1.
基于主元分析与支持向量机的制冷系统故障诊断方法   总被引:2,自引:0,他引:2  
利用主元分析(PCA)法提取制冷系统特征向量,对典型人工智能方法所建故障诊断模型的性能进行理论研究与应用分析,确定了以支持向量机(SVM)算法为基础的故障诊断模型;针对SVM直接解决多种分类问题的困难,分析了3种多类SVM算法,确定了基于“一对其他(One vs others)”多类SVM算法的故障诊断模型,并提出基于PCA与SVM组合的PCA SVM故障诊断模型,同时,利用实验数据加以验证.结果表明:PCA SVM模型可将16个原始变量转化为相互独立的主元,并可提取前4个主元用于故障诊断而将正常与故障的模式分离,对故障的诊断率不低于98.57%,优于单纯SVM模型,且PCA SVM模型的训练速度比SVM模型快约130~350倍;PCA SVM模型对小样本的处理能力优于BP神经网络模型,其诊断正确率较高,训练耗时较少(约1/240).  相似文献   

2.
针对柴油发动机机组振动信号非线性和非平稳性以及机组实际故障案例样本数据少的特点,提出了一种基于ReliefF、主成分分析(PCA)以及支持向量机(SVM)的柴油发动机故障诊断方法。首先提取发动机冲击信号的特征参数,运用ReliefF选择出其中的敏感特征以降低处理过程的计算难度;然后采用PCA进一步提取敏感特征,消除各特征之间的相关性,避免冗余;最后利用SVM实现机组的故障分类,诊断不同类型的故障。将本文方法应用于柴油机实际典型故障案例中,结果表明该方法能有效提取柴油机缸盖振动信号中的故障敏感特征,并实现多种典型故障的诊断。  相似文献   

3.
分析了主成分分析(PCA)与核主成分分析(kPCA)的基本原理,比较了两者在处理数据方面的性能,得出了kPCA比PCA在处理非线性可分数据方面具有优势的结论.依据几何绕射理论(GTD),通过Matlab仿真方法得到HRRP(高分辨距离像)数据,并以这些数据作为训练和测试样本,结合SVM分类方法,分别测试比较了基于4种不同核函数的分类识别性能,得出基于高斯核函数主成分分析的自动目标识别系统性能明显好于其他3种核函数的结论.  相似文献   

4.
传统的基于主元分析(PCA)的过程监控技术可以对工业过程当前的状况进行监控,但难以预测系统未来的运行情况。本文在PCA监控方法的基础上建立预测模型,首先根据历史数据建立PCA的综合监控统计量模型,其次结合k邻近(k-NN)的最小二乘支持向量机(LSSVM)和灰色理论(GM(1,1))技术建立在线组合预测模型,实现对工业过程运行状态的预测。利用组合模型对一个多变量动态过程实例进行仿真,将预测效果与k-NN的LSSVM以及GM(1,1)各自单独的预测效果作比较,验证了所提方法在长期预测方面的准确性,表明基于组合模型的PCA预测监控方法特别适用于对缓慢漂移故障的长期预测。  相似文献   

5.
基于PCA和KPCA特征抽取的SVM网络入侵检测方法   总被引:6,自引:0,他引:6  
提出一种新颖的基于特征抽取的异常检测方法,应用主分量分析(PCA)和核主分量分析(KPCA)抽取入侵特征,再应用支持向量机(SVM)检测入侵。其中PCA对输入特征做线性变换,而KPCA通过核函数进行非线性变换。利用KDD 99数据集,将PCA-SVM、KPCA-SVM与SVM、PCR、KPCR进行比较,结果显示:在不降低分类器性能的情况下,特征抽取方法能对输入数据有效降维。在各种方法中,KPCA与SVM的结合能得到最优入侵检测性能。  相似文献   

6.
基于SVM的沙尘暴预测模型   总被引:5,自引:0,他引:5  
根据沙尘暴天气的特点和支持向量机(support vector machine,SVM)方法在解决小样本学习问题中的优势,提出基于SVM的沙尘暴预测模型.首先利用主成分分析法进行数据预处理,然后选择了径向基核函数,并通过分析惩罚参数和核参数对SVM分类器性能的影响,确定了参数的搜索空间,继而利用网格搜索法对其进行优化.在此基础上,构建并实现了基于SVM的沙尘暴预测模型.该模型与BP神经网络模型的运行结果对比表明,基于SVM的沙尘暴预报模型稳定性好,运行速度快,预报准确率提高了71.2%.  相似文献   

7.
中文文本数据的半结构化甚至非结构化的特点使得其分类存在着特征高维的问题,传统单一的特征降维方法难以满足大数据时代的文本分类需求。基于此,提出了一种基于卡方统计(Chi-square statistics,CHI)和主成分分析(principal component analysis,PCA)的混合特征降维方法(CHI-PCA),该方法使用CHI方法初筛出类别相关的特征词,使用PCA方法对特征词空间进行二次降维,在特征降维的同时仍保留了原始特征空间最多的特征信息。通过与文档频率(document frequency,DF)、 信息增益(information gain,IG)、CHI和PCA这4种传统特征降维方法的实验对比,结果表明,在不同特征维度下,所提方法在Softmax回归、支持向量机(support vector machines,SVM)分类以及KNN分类器下的整体分类效果均优于对比方法,F1宏平均值最高提升了2.7%,在每个类别上的分类性能也是可观的,这说明基于CHI-PCA的2阶段特征降维方法是可行的,在特征降维的同时,还提高了分类性能。  相似文献   

8.
PCA 在过程故障检测与诊断中的应用   总被引:7,自引:0,他引:7  
讨论了基于主无分析(PCA)的过程故障检测与诊断的原理,运用T^2统计、Q统计方法,结合贡献图对一典型过程进行了仿真分析,结果表明PCA方法可对简单传感器故障进行检测与诊断,并指出了该方法中的不足,提出了将PCA方法同基于过程动态模型的故障诊断方法相结合的研究思路。  相似文献   

9.
为了从高光谱遥感影像中高精度提取各种线形道路,提出了基于支持向量机(SVM)的道路特征快速提取算法,首先利用PCA对高光谱影像进行合理压缩,由SVM模式识别理论推导出该算法具有快速精确提取道路网信息的能力,针对高光谱遥感影像高信息量和道路网复杂度高的特点,提出基于1Vm(一对多算法)的多种道路SVM一次性高精度提取的多分类策略,在提高精度的同时,兼顾了道路特征识别的效率。研究结果表明:SVM对线状道路模式判别能力比常规方法有更强的优势,对小样本的道路识别效果更加明显,从遥感影像中不仅能准确地辨别出道路的线形特征,还能识别出其材质和类型;该算法能同时识别出多种道路,执行效率更高。  相似文献   

10.
建立了一种有潜力的人工仿生鼻方法,用于分析典型的中国五小香型白酒。为减少误差、去除冗余数据,采用阈值限定结合平方和均值方根的方法对原始RGB数据进行预处理;在可视化区分的基础上采用分层聚类分析(HCA)、主成分分析(PCA)以及支持向量机(SVM)的分析方法,对预处理后的数据进行分析。聚类分析方法依据香型衍生的不同可以实现正确的归类;利用主成分分析得到的前3个主成分包含了白酒80.79%信息量,可以将不同香型白酒正确区分;支持向量机的可视化仿生鼻能对白酒香型进行有效区分,其识别的准确率达到了100%。研究结果表明,基于可视化传感技术的可视化仿生鼻可以用于五小香型白酒的识别。  相似文献   

11.
基于PCA和LS-SVM的软测量建模与应用   总被引:4,自引:0,他引:4  
针对工业过程中某些重要过程变量难以实现实时在线检测和高维数据处理的问题,提出了将主元分析与最小二乘支持向量机相结合的软测量建模方法,并利用该方法建立了工业阿维菌素发酵过程中的菌丝浓度软测量模型.主元分析方法的引入,有效地提高了最小二乘支持向量机软测量模型的精度和泛化能力.应用结果表明,该方法与基于径向基函数神经网络软测量模型相比具有有效性和优越性.  相似文献   

12.
为解决常规的PCA( Principal Component Analysis) 和SVM( Support Vector Machines) 人脸识别算法准确率 不高的问题,提出了用改进的网格搜索和交叉验证( K-CV: K-fold Cross Validation) 算法对SVM 参数寻优的方 法,并联合了PCA 和SVM 的人脸识别算法。该算法利用K-CV 算法结合改进网格搜索方法寻找最佳参数, 尽可能消除由于个别样本误差对预测模型的影响,减少了搜索时间,提高了人脸识别的准确率。在Matlab 软 件上测试结果表明,该算法在YALE 人脸库的识别准确率比常规的PCA 和SVM 联合算法高9. 08%。  相似文献   

13.
A novel face recognition method,which is a fusion of multi-modal face parts based on Gabor feature(MMP-GF),is proposed in this paper.Firsdy,the bare face image detached from the normalized imagewas convolved with a family of Gabor kernels,and then according to the face structure and the key-pointslocations,the calculated Gabor images were divided into five parts:Gabor face,Gabor eyebrow,Gaboreye,Gabor nose and Gabor mouth.After that multi-modal Gabor features were spatially partitioned intonon-overlappi...  相似文献   

14.
A face recognition system based on Support Vector Machine(SVM) and Hidden Markov Model (HMM) has been proposed. The powerful discriminative ability of SVM is combined with the temporal modeling ability of HMM. The output of SVM is moderated to be probability output, which replaces the Mixture of Gauss (MOG) in HMM. Wavelet transformation is used to extract observation vector, which reduces the data dimension and improves the robustness.The hybrid system is compared with pure HMM face recognition method based on ORL face database and Yale face database. Experiments results show that the hybrid method has better performance.  相似文献   

15.
基于小波分析的人脸识别算法   总被引:2,自引:1,他引:2  
提出一种利用小波分析提取人脸特征的方法。对人脸图像做小波分解,用网格划分其子图像,在各子块上提取统计特征,用其训练多分类支持向量机模型,最后用训练好的支持向量机进行人脸识别。选择ORL人脸库对该算法进行实验,与PCA算法的比较结果证明了该算法在识别性能方面的优越性。  相似文献   

16.
基于PCA和神经网络的人脸识别   总被引:2,自引:0,他引:2  
刘振  吴鹏  陈月辉 《山东科学》2006,19(4):63-67
介绍一种基于PCA和神经网络结合的人脸识别方法。该方法首先利用主成分分析方法对整幅图像进行特征提取,获得最佳描述特征,从而减小神经网络的输入。然后将降维之后的图像数据输入到一个前向传播神经网络中训练。神经网络的权值采用粒子群算法进行优化,用标准人脸数据库中的样本进行测试,最后将该方法与其他方法作了比较。实验结果表明,该方法能够取得更好的效果。  相似文献   

17.
主成分分析(principal component analysis:PCA)已成功用于人脸识别,但基于主成分分析的人脸识别方法需要将图像数据向量化,而向量化后的图像样本维数非常大,计算代价非常高.二维主成分分析(2 di mension principal component analysis:2DPCA)直接处理图像数据,不需要向量化的过程,2DPCA降低了计算复杂度,但是2DPCA与PCA相比,需要存储更多的系数,即要占用更多的存储空间.本文提出了一种基于小波变换和2DPCA的人脸识别方法,可以克服上述缺点,实验结果证明了该方法的有效性.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号