基于ε-SVR的用户视听在线人数预测

预测视听在线人数能够帮助厂商提供有价值的信息, 获取更大效益. 从时间序列分析出发, 经过特征调整, 利用支持向量回归对用户视听在线人数进行准确预测. 首先, 对数据进行时间序列分析建模并预测; 然后, 将模型视为线性回归对用户视听在线人数作进一步改进, 结合时间与实际生活中的特征进行调整, 并添加了新的特征; 接着, 对新特征组成的样本进行支持向量回归, 通过社会认知优化寻找径向基函数中的最优参数; 最后, 得到比较理想的预测效果.     

钢筋混凝土板模态频率的温度效应分析及剔除方法

考虑到温度荷载作用下钢筋混凝土梁桥的模态参数产生变异,进而导致基于动力指纹的桥梁损伤辨识方法精度降低甚至失效。以钢筋混凝土板为例,提出了一种考虑内部温度不均匀分布特性的模态频率温度效应剔除方法。首先,采用主成分分析算法,提取温度主成分,构造了预测模型输入参数;其次,通过遗传优化支持向量回归,建立了钢筋混凝土板模态频率预测模型;最后,结合钢筋混凝土板模态频率长期观测值,基于训练好的遗传优化支持向量回归模型,剔除温度对模态频率的影响。试验结果表明,该方法能够准确预测不同温度分布状态下的模态频率,并有效剔除温度引起的模态频率变化。     

飞机噪声特性数据的方向谱集成及支持向量机预测

针对飞机声源理论模型和NPD数据的不足,给出了一种基于频谱轨迹同步测试数据回归飞机噪声辐射规律的方法。该方法将飞机的噪声声场看成是以飞机质点为中心,距离R为半径的飞机噪声频谱球面,获取飞机噪声源数据的过程就是回归球面上各点方向谱的过程。剖析了飞机噪声特性数据的方向谱集成原理,给出了测试数据的几何关系计算及频谱重建方法,建立了飞机噪声方向谱的支持向量机回归模型,实现了飞机噪声声源数据的连续预测,为全面了解飞机噪声辐射规律,开展飞机噪声环境影响评价及噪声污染防治提供了科学直观的数据基础。     

基于特征选择和SVM参数同步优化的网络入侵检测

为了提高网络入侵检测正确率,利用特征选择和支持向量机(SVM)参数间的相互联系,提出一种特征选择和SVM参数联同步优化的网络入侵检测算法.该算法首先将网络入侵检测正确率作为问题优化的目标函数,网络特征和SVM参数作为约束条件建立数学模型,然后通过遗传算法对数学模型进行求解,找到最优特征子集和SVM参数,最后利用KDD 1999数据集对算法性能进行测试.结果表明,相对于其他入侵检测算法,同步优化算法能够较快选择最优特征与SVM参数,有效提高了网络入侵检测正确率,加快了网络入侵检测速度.     

多子种群PSO优化SVM的网络流量预测

针对网络流量的时变性和非平稳性特点,为提高网络流量预测精度,提出一种“多子种群”机制的粒子群算法和支持向量机的网络流量预测模型(Multi-Subpopulation Particle Swarm Opti-mization and Support Vector Machine,MSPSO-SVM).首先支持向量机(Support Vector Machine,SVM)参数编码成粒子位置串,并根据网络训练集的交叉验证误差最小作为参数优化目标,然后通过粒子间信息交流找到最优SVM参数,并引入“多子种群”机制,解决粒子群优化(Particle SwarmOptimization,PSO)算法的早熟停滞缺陷,最后根据最优参数建立网络流量预测模型,并采用实际网络流量数据进行仿真测试.结果表明,相对于其他预测模型,MSPSO-SVM可以获得更优的SVM参数,网络流量预测精度得以提高,更加适用于复杂多变的网络流量预测.     

六轴机械臂广义逆系统 SVM 辨识与控制

针对六轴机械臂系统强耦合和不易求取精确的动力学模型的特性,提出了基于支持向量机（ SVM ）辨识的广义逆解耦PID闭环控制方法。将SVM常见的3种核函数应用于机械臂实际系统的广义逆模型辨识中,通过回归预测效果和性能指标比较可知,采用高斯径向基核函数辨识的SVM模型预测输出与实际系统输出趋势一致,且得到的性能指标平方相关系数（ r2）和平均平方误差（ MSE）较好。实验结果表明,基于SVM广义逆解耦的PID控制算法能够实现对实际机械臂系统的高精度轨迹跟踪,具有工程实用性。     

基于粒子群优化支持向量回归机的黄金价格预测模型

为了克服神经网络存在的收敛速度慢、容易陷入局部极值等缺点,提出基于粒子群优化支持向量机(PSO-SVM)的黄金价格预测方法,以影响黄金价格的美元走势、世界黄金储备、石油价格等因素为输入,黄金价格为输出.用粒子群优化算法选择合适的支持向量机参数,对支持向量回归机进行训练.应用训练完成的支持向量回归机预测下一年的黄金价格.结果证明,PSO-SVM的预测精度高于BP神经网络,PSO-SVM适用于黄金价格预测.     

基于二维自适应hp有限元的自然电位高精度计算

将自适应hp有限元方法引进到自然电位的计算中。采用基于参考解投影型插值后验误差估计的自适应hp策略引导网格hp细化。利用该方法求解二维轴对称条件下的自然电位的矢量势方程,分析三层模型下的井径、钻井液、目的层电阻率、目的层厚度、侵入带半径和侵入带电阻率等因素对自然电位的影响规律。同时,计算五层介质和两层旋度源等复杂条件下自然电位。结果表明,该方法用较少的自由度获得较高精度的数值解,在计算精度和效率方面明显优于其他数值方法。     

基于面部肌肉特征的面部表情度量方法

基于对人类表情肌活动效果的归纳,采用一种新的面部特征构造描述面部状态。以支持向量机的后验概率作为依据,提出一种基于面部肌肉特征的面部表情度量方法,并对基于不同特征和不同面部素材库的决策模型进行对比实验。结果表明,相比其他的方法,基于新特征的度量方法能够对不同的面部表情产生具有足够区分度的度量,并能够以较高的准确率提取视频文件中”最夸张”的表情。     

基于双空间特征提取的变压器故障诊断模型

为了提高基于油中溶解气体分析(dissolved gas analysis, DGA)的变压器故障诊断正确率,弥补单子空间特征提取的局限性,提出了基于双子空间特征提取的变压器故障分层诊断模型.首先,将DGA测试样本在一个子空间内进行特征提取后,为避免核函数及其参数的选择难题,以及利用多核支持向量机(multiple-kernel support vector machine, MKSVM)鲁棒性强和精度高的特点,采用MKSVM作为分类器对测试样本进行预测.依据预测结果将测试样本分为难分类和易分类样本,对易分类样本直接进行分类识别;对难分类样本则将该样本再次投影到另一子空间进行特征提取后,同样采用MKSVM作为分类器对难分类样本进行预测,综合两次预测结果进行分类识别,实现两分类MKSVM的双子空间特征提取算法.最后,根据故障特征,建立基于双子空间特征提取算法的变压器故障分层诊断模型.诊断实例表明,该模型具有较高的诊断正确率和推广能力.