基于GPU的多类支持向量机改进算法

针对支持向量机算法耗时较长的问题,利用并行计算思想,基于图形处理器对多类支持向量机算法——Crammer-Singer算法进行改进,并利用循环展开、数据暂留、缓存和开放运算语言等技术对算法加以实现.分别在4个数据集上对原算法和改进算法进行对比实验,结果表明,改进算法在性能上获得了较大提升.     

基于3种建模法的食源性 ACE抑制二肽 QSAR 研究

以自组建的食源性血管紧张素转化酶（angiotensin I‐converting enzyme ,ACE）抑制二肽为研究样本,采用氨基酸描述子VHSE（principal component score vector of hydrophilicity ,steric ,and electronic properties）对ACE抑制二肽进行表征后,比较偏最小二乘（partial least square regression ,PLS）、支持向量机（support vector machine ,SVM）及主成分分析（principal component analysis ,PCA）‐SVM相结合的3种建模方法对ACE抑制二肽的QSAR（quantitative structure‐activity relationship）建模。结果显示,对于食源性ACE抑制二肽,3个模型的拟合能力无明显差异,SVM模型的预测能力略强;对其进行权重投影分析发现,C末端氨基酸较N末端氨基酸对其活性的影响更为明显。     

基于高斯受限玻尔兹曼机的非线性过程故障检测

针对非线性工业过程,提出了一种基于高斯受限玻尔兹曼机(GRBM)模型的故障检测方法.该方法从海量过程数据中提取出GRBM隐层特征信息,通过隐层特征再构建出重构数据,并依据重构误差在残差空间中构建检测统计量,形成了非线性过程故障检测算法.仿真结果表明,基于GRBM的故障检测方法不仅比传统的核主元分析(KPCA)方法具有更好的故障检出率,并且针对大数据量问题具有更强的处理能力.     

多岩性信息融合在砂泥岩孔隙度预测中的应用

储层孔隙度是表征储油物性、建立各类地质模型的重要参数。支持向量回归机(SVR)凭借良好的非线性回归能力,在孔隙度预测中开始广泛应用。由于不同岩性的储层孔隙类型不同,孔隙度结构也存在较大差异,导致该方法的实际应用效果仍不理想。针对上述问题,在孔隙度预测模型中考虑了岩性信息,将样本岩性转化为一种与岩性变化相关性好的属性值,以此构造一种新的预测模型。使用网格粗选和网格精选相结合的方法,优选模型参数。网格粗选确定最优解的近似范围,网格精选可以在局部区间搜索到最优解。结果表明:利用优选参数建立的预测模型,在实际资料预测结果中,加入岩性信息可以提高储层孔隙度的预测精度,该方法可行。     

基于混沌人工蜂群算法优化的SVM 齿轮故障诊断

为克服支持向量机中模型参数的随意选择对分类性能造成的不利影响, 提出了基于混沌人工蜂群算法的支持向量机(CABC鄄SVM: Chaotic Artificial Bee Colony algorithm of Support Vector Machine)参数优化方法。该方法采用Logistic 混沌映射初始化种群和锦标赛选择策略, 对支持向量机的惩罚因子和核函数参数进行优化时以分类准确率作为适应度函数。通过UCI 标准数据集实验证明, CABC 具有较强的局部和全局搜索能力, 其优化的支持向量机可在很大程度上克服局部极值点, 从而获取更高的分类准确率, 并有效缩短了搜索时间。将该方法应用于实际齿轮故障诊断中, 采用小波相对能量作为特征输入支持向量机, 分类准确率达到99. 4%, 验证了该方法的可行性和有效性。     

基于线性判别分析的时频域特征提取算法

针对复杂环境中的声目标特征提取与选择问题,结合声信号时频域的特点,提出了一种时频域相结合的特征提取方法。首先,对信号进行小波分解,达到去噪目的;然后,将短时能量、短时平均幅值、过零率及频带能量值作为原始特征矢量,并结合Fisher判别准则进行特征选择,以此构造低维特征向量;最后,对两类声目标的实测样本数据进行特征提取,并采用支持向量机和K近邻两种分类器对该特征提取方法的有效性进行校验。实验结果表明,采用“时域+频域+线性判别分析”的特征提取方法简单有效,且与单一时域或频域的特征提取方法相比,识别率更高。     

基于改进人工鱼群算法优化SVR的预测模型

为了降低参数的设定对支持向量机确度的影响,鉴于人工鱼群算法具有易陷入局部最优、收敛速度慢等问题,提出了一种基于改进人工鱼群算法(AFSA)的支持向量机的网络安全态势预测模型,并与GA-LSSVM、PSO-LSSVM及ABC-LSSVM模型进行对比分析。结果表明:文中提出的改进AFSA优化SVM模型性能优于其他比照模型,具有较高的预测精度,对网络安全态势值预测具有较好的效果。     

考虑设备可靠性与能耗的平行机调度

在考虑能耗的平行机调度问题中同时考虑设备可靠性对能耗成本的影响,以最小化延迟成本和能耗成本加权和为调度目标,建立数学规划模型.设计了蚁群算法对问题进行求解,引入一种新的启发因子定义蚁群搜索过程,并通过局部搜索算法提升蚁群搜索的质量.算例实验结果表明该调度方法有效且具有较高的效率,可以降低能耗及生产总成本,具有实用价值.通过敏感性分析研究了设备可靠性离散程度、交付期松紧对于调度决策的影响,可为车间实际生产决策提供支持.     

基于支持向量机回归的曲面零件涡流测距标定方法

以燃料贮箱筒段外表面聚氨酯泡沫层厚度测量精度要求为例,开展4种常见曲率筒段试件标定试验;提出基于支持向量机回归的涡流测距标定方法,建立提离距离预测模型(LDPM),用于曲面零件涡流测距;研究曲率对涡流测距测量误差的影响规律.根据测量误差产生的原因将测量误差分为两部分:表面曲率误差和其他误差,分析误差分量在传感器量程范围内相对大小的变化规律,为曲面测量误差补偿提供参考依据.此外,对比分析LDPM与常用标定方法获得的标定函数在测量精度、计算速率方面的优劣,为曲面零件涡流测距选用何种标定方法提供建议.研究结果表明:LDPM在传感器量程初始阶段,表面曲率误差对曲率不敏感;在量程中点附近,表面曲率误差绝对值随着曲率的增加,先减小后上升;在终点区域,表面曲率误差绝对值随着曲率的增加而上升.在整个量程范围内的不同测量区间,其他误差保持不变.此外,LDPM可以将测量误差控制在[-0.5, 0.5] mm,精度与5项多峰高斯拟合相当,高于4次多项式拟合,能够满足厚度测量精度要求,无损检测操作方便.