Training Robust Support Vector Machine Based on a New Loss Function

To reduce the influences of outliers on support vector machine(SVM) classification problem,a new tangent loss function was constructed.Since the tangent loss function was not smooth in some interval,a smoothing function was used to approximate it in this interval.According to this loss function,the corresponding tangent SVM(TSVM) was got.The experimental results show that TSVM is less sensitive to outliers than SVM.So the proposed new loss function and TSVM are both effective.     

Weighted Proximal Support Vector Machines： Robust Classification

Despite of its great efficiency for pattern classification, proximal support vector machines (PSVM), a new version of SVM proposed recently, is sensitive to noise and outliers. To overcome the drawback, this paper modifies PSVM by associating a weight value with each input data of PSVM. The distance between each data point and the center of corresponding class is used to calculate the weight value. In this way, the effect of noise is reduced. The experiments indicate that new SVM, weighted proximal support vector machine (WPSVM), is much more robust to noise than PSVM without loss of computationally attractive feature of PSVM.     

基于离群点剔除的SVM信用风险评价方法

针对信用评价数据存在离群点和噪声问题, 提出一种基于离群点剔除的支持向量机（SVM）信用风险评价模型. 该模型利用模糊c-均值聚类算法剔除样本离群点, 采用粒子群算法优化支持向量机分类参数, 进而提高支持向量机的分类性能. 将该方法应用于信用风险评价中的结果表明, 相比于其他模型, 该方法分类精度更高.     

基于核可能性c-均值算法的支持向量机

提出一种基于核可能性c-均值算法的支持向量机分类算法,该算法改进了SVM训练过程中噪声和孤立点的敏感问题.其基本思想是:用核可能性c-均值算法对每个模式类训练样本进行聚类,得到不同的可能性度量值,根据得到的可能性度量值对训练样本进行修剪,删除具有较低可能性度量值的训练样本,最后用生成的新训练样本训练支持向量机.实验结果表明,该算法可以有效地解决由噪声和孤立点引发的分类错误问题以及重要样本的错分问题.     

mKdV方程的一类新的精确孤立波解

目的以mKdV方程为例,研究非线性偏微分方程精确孤立波解的求解新方法。方法通过引入新的行波变换ξ=κv+t,v=v(x,t),主要利用改进的Tanh函数展开方法与齐次平衡法。结果与结论获得mKdV方程形式更为丰富的新的精确孤立波解,并证明了改进的Tanh函数法在求解非线性发展方程新的精确解方面的有效性。该方法也适用于其它的非线性发展方程(组)。     

基于密度法的模糊支持向量机

针对支持向量机对训练样本内的噪音和孤立点特别敏感、极大地影响了支持向量机分类性能的弱点，提出了一种基于密度法的模糊支持向量机，在支持向量机中引入样本密度模糊参数，从而减弱了噪音以及孤立点对支持向量机分类的影响．实验结果证明，在抗击孤立点和噪音点的干扰方面，上述方法优于类中心向量方法以及类中心点距离方法，取得了很好的效果．这一方法大大提高了支持向量机分类的泛化能力，从而大大提高了支持向量机的应用范围．     

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Simulink的坐标变换多模盲均衡算法建模与仿真

针对传统的常模盲均衡算法(CMA)均衡高阶正交幅度调制(QAM)信号会产生失效问题,在利用坐标变换、双曲正切误差函数和非线性判决反馈结构特点的基础上,提出了一种基于坐标变换的多模盲均衡算法(CTHMMADFE)。该算法通过坐标变换将高阶非常模QAM信号变为常模4QAM信号,利用双曲正切函数作误差函数,利用判决反馈结构非线性特性进一步补偿信道非线性影响。通过M文件对CTHMMADFE的性能进行验证,在获得性能最佳时算法中各参数值后,由这些参数构建CTHMMADFE的Simulink仿真模型。     

基于反双曲正切函数的变步长LMS算法

针对定步长的LMS算法无法同时满足低稳态误差和快收敛速度这个需求,本文提出了一种基于反双曲正切函数的变步长LMS算法. 该算法基于反双曲正切函数构建步长与误差信号之间的非线性函数关系式,以此来替代LMS算法中的定步长,实现了对步长因子的动态调整. 文中详细讨论了新的变步长函数中参数α,β和γ对于算法性能的影响,并和其他几种较新的变步长算法进行了性能比较. 仿真结果表明,所提算法很好地兼顾了收敛速度、稳态误差和跟踪性能,在系统辨识、正弦信号去噪和自适应线性预测方面表现出了优异的性能.      

模糊主分量分类器

W.J.Hu提出的主分量分类器(PCC)通过最大化两类样本在分类面法方向上的投影代数和,实现样本分类.PCC是基于样本的统计平均特性,所以少量的野值对分类面方向的确定影响较小,而SVM对野值较为敏感.PCC与支持向量机相比具有较好的鲁棒性.但是PCC对野值的处理等同于其他样本,尽管有效果,但仍会影响分类面的求取,同时也缺乏直观上(或物理上)的解释,而且没有考虑随机噪声对分类面的影响.鉴于此,在PCC的基础上进行改进,引入模糊思想,设计了一组模糊型的主分量分类器,进一步弱化野值和随机噪声对分类面的影响.人工数据集和Beachmark数据集上的实验证明了新分类器的有效性.     

基于新型双曲正切趋近律的固定/有限时间姿态控制

本文研究了基于一种新型双曲正切趋近律和非奇异固定时间终端滑模面的固定/有限时间姿态控制方法. 对没有外部干扰的航天器姿态控制问题，本文基于双曲正切函数提出了一种新型的固定时间趋近律，该趋近律只需调节控制参数就可保证滑模变量在固定时间内收敛于原点，接着结合非奇异终端滑模面设计了固定时间姿态控制器，保证航天器姿态在固定时间内收敛于原点. 对存在未知外部干扰的情况，设计了双层自适应有限时间滑模观测器估计外部扰动，基于观测器的输出设计了基于非奇异固定时间滑模面与新型双曲趋近律的控制器来对扰动进行补偿. 数值仿真验证了所提控制方法的有效性.      

变压器励磁特性的修正BP模型

在变压器励磁特性的BP模型基础上,提出了一种修正的BP模型,并推导了相应的算法。它通过添加一线性项来模拟励磁支路深度饱和后的特性。结果表明,与已有的修正反正切函数或双曲函数模型相比,该模型不仅具有较高的精度,而且对变压器饱和特性的模拟也更为合理。该模型对于变压器励磁涌流与操作过电压计算的准确性,具有重要的意义。     

基于卷积神经网络的高分辨率雷达目标识别

提出一种基于卷积神经网络(Convolution Neural Network,CNN)的高分辨率雷达目标识别方法.首先针对小样本应用于深度CNN时训练过程中损失函数值收敛速度慢的问题,利用结合批归一化算法的改进CNN网络对高分辨距离像(High Resolution Range Profile,HRRP)进行自动特征提取;再利用支持向量机(Support Vector Machine,SVM)对距离像特征进行分类.使用军事车辆高保真电磁仿真数据对提出的方法进行验证,识别结果证明了该方法的有效性.     

系列冲击试验转变温度的意义及其局限性

文章采用双曲正切函数模型,对夏比冲击试验转变温度曲线的数学特征和各种定义的转变温度的物理意义进行了分析探讨,明确了以转变温度曲线比较材料低温韧性的2个基本原则,提出指标转变温度的相对性概念和相对指标转变温度定义的严重缺陷,在重要场合,应以2种以上类型的转变温度予以验证,ASTME185给出的方法值得借鉴.     

面向大数据的超启发式SVM的网络安全框架研究

大数据环境下,为了提高支持向量机(support vector machines, SVM)在网络安全应用环境下的性能,提出了面向大数据的超启发式SVM网络安全框架。所提超启发式SVM框架由SVM和超启发式框架组成,超启发式框架的作用是生成配置参数,并将其发送到SVM,SVM使用生成的配置来解决给定的问题,然后将成本函数发送到超启发式框架。超启发式框架分为高层策略和低层启发式,高层策略具有搜索性能,可以控制选择低层启发式并生成新的SVM配置;低层启发式算法构成了一组特定于问题的启发式算法,使用不同的规则实现对SVM配置搜索空间的探索。该框架自适应地集成了基于分解和基于Pareto方法的优点,近似SVM配置的Pareto集,解决了启发式框架的优化问题。实验结果表明,所提框架性能优于其他算法,说明框架的有效性。     

采用粒子群优化的SVM算法在数据分类中的应用

针对分类数据集合线性不可分的问题,改进了支持向量机(SVM)的分类方法,构建新的分类决策函数和高斯核函数.在支持向量机关键参数的优化环节,采用粒子群算法对惩罚参数和高斯参数进行优化,设计便于操作的优化流程,并针对Iris数据集合展开实验研究.结果表明:相比于基于遗传算法优化的SVM方法,所提出的方法执行速度快、分类准确率高.     

一种鲁棒直接自适应模糊控制算法

针对一类含有不确定项的非线性系统,提出了一种鲁棒直接自适应模糊控制算法.首先,该算法中用广义模糊双曲正切模型逼近系统的等价控制项;之后,设计了双曲正切函数的鲁棒补偿项,从而得到一种没有抖振的平滑控制输入.在系统的控制增益已知、部分已知和未知三种情况下,利用Lyapunov函数证明了采用上述控制策略可保证控制系统跟踪误差收敛到原点的一个小的邻域内,且所有的变量一致有界.仿真例子说明了该算法的有效性.     

基于双曲正切函数的智能天线变步长LMS算法

提出一种基于双曲正切函数的智能天线变步长最小均方（LMS）算法. 通过建立步长因子与误差信号的双曲正切函数关系改进LMS算法, 解决了固定步长时收敛速度和稳态误差间的矛盾. 仿真结果表明, 所提出的变步长最小均方算法比标准的最小均方算法有更快的收敛速度和更小的稳态误差.     

基于模糊支持向量机的网络入侵检测技术

针对支持向量机算法中存在对噪声数据和异常数据敏感的问题,提出了模糊支持向量机算法,并应用于入侵检测.该算法是在传统支持向量机分类器的构造方法中引入隶属度函数,根据不同输入所得到的分类结果,产生相应的惩罚值.将这个方法应用到入侵检测系统中,能较好地将正常数据和异常数据区分开.实验结果表明,采用模糊支持向量机的入侵检测技术,其误报率低于基于支持向量机的入侵检测,同时其检测率也相对较高.     

磁流变阻尼器的实用计算模型

针对磁流变阻尼器,介绍了Bingham塑性模型和非线形滞回双粘性模型,提出了一种新的计算模型-双曲正切滞回模型.对三种计算模型进行了仿真分析,并与试验结果进行对比研究.结果表明,双曲正切滞回模型能很好地描述磁流变阻尼器的力学性能,且形式简单、概念明确,适合实际应用.