基于小波基的SVM多气体融合

为了提高气体传感器在多气体环境下的检测灵敏度,基于小波对偶框架和支持向量核函数的条件,提出了一种支持向量小波核函数.该核函数具备小波的多尺度插值特性和稀疏变化特性,提高了模型的精度和迭代的收敛速度,适用于信号的局部分析、信噪分离和突变信号的检测,从而能在提高支持向量机(SVM:Support Vector Machine)泛化能力的同时,提高辨识效果,减少计算量.基于该核函数和正则化理论提出的最小二乘小波支持向量机用于非线性系统辨识,对sin c函数的逼近.该小波核得到的绝对误差不超过0.004;在多气体分析中,比RBF(Radial Base Function)核所得的偏差小18.3%.这些表明SVM小波核具有更好的泛化能力.     

双四象限探测器位置自适应测量新模型

为了得到最佳的动态跟踪性能，提出了最小二乘向量机与矩阵光学相结合的建模方法，建立了双四象限探测器在激光跟踪光路中的全新测量模型，该模型可实现对探测器参数的自适应测量．相对于以往的数学模型和测量方法，该模型具有清晰的物理含义，更符合研究对象的工作机理．使用该模型可获得更完整的测量样本，消除了测量中的“死点”和“坏点”，对位移量测量的不确定度为1μm，最大误差在原研究基础上减小了3μm，系统也省去了多维高精度的测量和机械调整系统．这一模型同时为三维小角度测量提供了一个快捷的技术途径．     

基于小波的支持向量机算法研究

基于小波对偶框架和支持向量核函数的条件,提出了一种支持向量小波核函数.该核函数利用小波的多尺度插值特性和稀疏变化特性,不仅提高了模型的精度和迭代的收敛速度,而且还适用于信号的局部分析、信噪分离和突变信号的检测,从而在提高支持向量机(SVM)泛化能力的同时,提高了辨识效果和减少了计算量.基于该核函数和正则化理论提出的最小二乘小波支持向量机用于非线性系统辨识,对SINC函数的逼近,该小波核得到的均方根误差不足高斯径向基核的1/12,对logistic混沌序列预测的均方根误差不超过8×10-6,同时实验表明,预测的长度对预测均方根误差没有显著影响,这表明小波核SVM具有更好的泛化能力.     

基于支持向量机的多组分气体分析

针对因缺少大量分析数据样本而制约多组分气体定量分析的问题，提出一种基于正则理论和最优二次规划的最小二乘支持向量机的定量分析方法．该方法能在获得模型参数全局最优点的同时保证训练误差为0，因而能较好地消除多组分气体分析间的交叉敏感现象，利用其良好的非线性映射能力，对多组分气体的试验数据进行处理的结果表明，该方法可使系统的交叉灵敏度约为处理前的1／81。     

并行支持向量机算法及其应用

针对当前支持向量机计算效率的不足,提出了改进的并行支持向量机技术.该算法能有效使内积运算、向量数据更新、矩阵向量实现并行计算,并且数据之间的通信时间能和向量更新时间重叠,从而提高了计算效率,并能保证泛化能力.数据仿真结果表明,与改进前的算法相比,2 500个样本下能节省时间30%左右,样本量增大时,效果更为明显.