基于电弧声ARMA双谱分析对熔滴过渡类型SVM模式识别

运用电弧声对熔滴过渡模式进行识别,获取不同熔滴过渡的电弧声信号,利用ARMA双谱对不同熔滴过渡的电弧声进行分析,并提取其特征向量,采用支持向量机(SVM)方法对所获得的特征向量进行模式识别,由此成功地识别了各种熔滴过渡类型.     

基于支持向量机的增量学习算法

通过对支持向量机KKT条件和样本间关系的研究,分析了新增样本加入训练集后支持向量的变化情况,提出一种改进的Upper Limiton Increment增量学习算法.该算法按照KKT条件将对应的样本分为3类:位于分类器间隔外,记为RIG;位于分类间隔上,记为MAR;位于分类间隔内,记为ERR.并在每次训练后保存ERR集,将其与下一个增量样本合并进行下一次训练.实验证明了该算法的可行性和有效性.     

基于AR模型和SVM的果蝇振翅声分类

分别对3个不同品系果蝇的振翅声建立了AR模型,提取AR系数和白噪声序列的方差作为特征,然后用支持向量机(support vector machine,SVM)分类同种内的3个不同品系果蝇的振翅声。使用AIC准则确定AR模型的阶数,用Burg方法估计AR模型的参数,用重尾径向基函数作为支持向量机的核函数,实现对不同品系果蝇振翅声的特征提取和分类。实验结果表明3个品系的果蝇振翅声的分类正确率均达到了88%以上。     

基于深度学习网络的电气设备图像分类

为了对变电站中智能巡检系统采集到的海量图片进行快速分析和识别,提出一种深度学习和支持向量机(support vector machine, SVM)相结合的图像分类模型。首先,运用旋转、翻折等方法对采集到的原始数据进行扩充。然后,合并扩展图像集,并在相同类型的条件下将其随机划分为训练集和测试集。基于实际图像改进卷积神经网络(convolutional neural network, CNN),并提取训练集的图像特征。最后,通过使用训练集图片的深度特征来训练SVM分类器,并且在测试集图片上实现分类测试。利用巡检机器人采集到的8 000张图片对模型精度进行实验验证,结果表明,该模型具有较强的分类性能。     

基于脑电的意识活动特征提取与识别

基于脑电信号的非平稳特性,用自适应自回归模型(AAR)提取脑电信号的特征,利用该模型对同一实验对象的两种不同意识任务的脑电信号进行特征提取,并将AAR模型得到的特征与支持向量机(SVM)分类器相结合,作为支持向量机的输入进行训练和测试,取得了良好的识别效果.实验结果证明,支持向量机分类器用于不同意识任务分类效果很好.     

基于模拟声辐射信号的桥上板式轨道脱空状态智能感知方法

提出了一种基于轨旁传声器采集结构声辐射信号的板式轨道脱空状态智能感知方法。建立了车-轨-桥耦合振动计算模型和声振耦合分析模型,模拟了列车动载激励下轨道板和桥梁结构的振动和声辐射响应,分析了轨道板脱空状态对结构振动和声辐射响应的影响规律,采用声辐射数值模拟数据和支持向量机（SVM）实现了对轨道板15种脱空状态的二分类和多分类识别。结果表明：相比于位移响应,加速度响应和声辐射响应对轨道板脱空状态的变化较为敏感;二分类SVM模型对于不同测点数据的分类效果有所差别,但准确率基本都能达到85 %以上;根据某测点声压数据训练出的二分类SVM模型对未知测点数据的分类准确率相比于自身测点数据下降10 %~30 %;多点位数据信息融合可以提高多分类识别准确率。     

福建省纺织业可持续发展预警研究——基于遗传算法—支持向量机模型

社会的快速发展,给传统产业的发展带来了许多挑战,为了使传统产业能够在面临诸多不确定性下持续发展,预警是非常必要的。本文从经济发展水平、资源供应能力、科技投入力度和与社会、环境协调发展能力四个方面建立福建纺织业可持续发展指标体系,并借助灰关联分析法分析各指标与可持续发展之间的关联度。然后,利用GA优化SVM,构建GA-SVM预警模型,预测2015-2017年纺织业可持续发展能力,并将预测结果与实际相比较,发现预测结果与实际情况相符,且预测精度较高,说明所构建的预警模型具有较好的预警效果,其预警结果能够为产业可持续发展的警情监测提供有效信息。     

基于SVM的多自由度结构非线性模型检验及参数确定

文章提出了一种基于支持向量机(support vector machine,SVM)的非线性结构模型验证和参数确定方法。首先建立了基于结构动力响应和外激励载荷的恢复力曲面;然后利用恢复力曲面得到刚度边际谱、阻尼边际谱及非线性指标,采用主成分分析法提取结构非线性指标,利用降维指标作为训练数据训练SVM分类器,用于检测存在的非线性;最后,采用正则化最小二乘法确定了结构非线性模型参数。在数值模拟中,采用1个非线性单自由度系统和1个非线性多自由度系统来验证该方法的有效性。数值仿真结果表明,该方法是一种有效的、噪声鲁棒性强的非线性模型验证和结构参数确定方法。     

统计模式识别的研究

模式识别的基本目标就是在有监督和无监督的情况下进行分类,在模式识别的各种模型中,基于统计的方法已经被广泛的研究并应用于实际.一些新的技术和方法的引入（神经网络和支持向量机方法）也促进了该领域发展,文章研究了基于统计的模式识别的进展情况,给出了模式识别的概念、原理、方法并对各种方法进行了相关的评述.     

不平衡数据分类问题的基于间隔放大损失的支持向量机

针对不平衡数据分类问题,提出了一种带有间隔感知标签分布损失函数的支持向量机,称为基于间隔放大损失的支持向量机(support vector machine with margin magnification loss,MM-SVM)。考虑各类样本的分布情况以及数据不平衡比,设计了一种间隔放大损失函数,最小化基于间隔的泛化误差界;将间隔放大损失函数应用于SVM模型中,增强了少数类样本对分类超平面的影响,实现对少数类样本的准确分类。在Keel和UCI数据库上的实验表明,MM-SVM在不平衡数据分类精度和时间效率上均优于其他5种对比方法,实现了对不平衡数据的有效分类。     

焊接电弧声与飞溅的相关性研究

建立了计算机检测分析系统，对ＣＯ２焊接电弧声与飞溅的关系及影响飞溅的因素作了深入研究．结果发现了焊接飞溅与短路结束时电弧声能量及短路平均声能量成线性关系，从而提出用电弧声能量来表征焊接飞溅的新型传感方法．     

IGBT逆变弧焊电源对CO2焊接飞溅的控制

通过IGBT逆变电源波形控制,实现了对CO2气体保护焊时的焊接电流与电压的控制,从而达到减少飞溅的目的.     

基于旋转电弧传感器的NU-SVR水下焊缝偏差识别算法

文章提出了基于旋转电弧传感器的NU-SVR水下焊缝偏差识别算法。Nu-SVR通过对基于旋转电弧传感器采集到的不同偏差的水下焊接信号进行学习,然后对水下电流信号进行焊缝偏差识别得出偏差。相对于传统的回归算法-区间积分法和神经网络法,本算法具有具有更好的识别能力。最后通过水下焊接实验,其最大的识别误差仅为0.48mm,证明了该方法十分有效。     

基于支持向量机的模式识别方法

介绍了由Vapnik等人提出的统计学习理论和由此发展的支持向量机，分析了其应用前景和研究方向，两个算例表明，在模式识别领域中，采用支持向量机这一新方法，具有其他传统方法不可比拟的优势。     

CO2气体保护焊在空冷器中的应用

通过对空冷器管箱焊接方法的研究和比较，采用新的焊接工艺，即自动CO2气体保护焊，替代原来的自动埋弧焊，为了保证空冷器管箱的工艺要求及焊缝质量，对自动CO2气体保护焊工艺进行了相应的改进，设计了配套的工艺装备，如支撑机构、行走小车及操作平台等，为提高管箱焊缝质量提供了必要的保证，方便了工作参数调整及设定，经焊接工艺实验及生产实践，取得了令人满意的结果，开拓了CO2气体保护焊在石化行业的应用。     

基于Gabor小波和支持向量机的人脸识别

提出一种将Gabor小波和支持向量机相结合的人脸识别算法。运用AdaBoost算法在复杂背景图像中快速准确地检测出人脸部分,进而用Gabor小波提取归一化人脸图像的特征。最后采用支持向量机进行人脸的分类识别。在ORL人脸库和CAS-PEAL-R1人脸库中对算法进行了测试,结果表明该算法识别率较高。     

基于Seeded-Kmeans和SVM的分类算法

支持向量机（Support vector machines）在人像识别、文本分类等模式识别问题中有广泛的应用,可以有效地解决一些实际生活中的分类问题。针对半监督两分类问题,提出了基于Seeded-Kmeans和SVM的分类算法（SK-SVM）。用Seeded-Kmeans算法对无标签点进行处理,使其获得初始标签,再选取有效的标签点加入已有带标签点中,构成新的带标签训练集,最后结合SVM进行分类。选取UCI中的8个数据集进行数值实验,基于Seeded-Kmeans和SVM的分类算法的有效性得到了验证。     

一种基于离散小波变换和支持向量机的人脸识别新方法

为提高人脸识别系统的性能,提出了一种基于离散小波变换DWT（discrete wavelet transform）特征提取和支持向量机（SVM）分类的人脸识别方法。首先,采用DWT对人脸图像进行降维和去噪,然后,对小波低频子图像进行核辨别分析（KDA）提取人脸特征,最后,结合SVM进行分类识别。基于该方法,对ORL人脸库进行分类识别,采用39个特征识别率达到98．2％。仿真结果表明,该方法明显减少了高频干扰对人脸特征的影响,增强了特征的辨别能力。而且,SVM有效地提高了分类器的分类和推广能力。     

基于原位合金化的SiCp/Al复合材料等离子弧焊接

为了抑制SiCp/Al基复合材料在焊接过程中的界面反应,补充烧损元素,同时原位产生新的增强颗粒,分别以Al-Ti-Si和Al-Ti-Mg两种药芯焊丝作为填充材料,向熔池中直接添加Al,Si,Ti和Mg等金属元素,用氩氮混合等离子气对SiCp/Al基复合材料进行等离子弧原位焊接.对比分析了两种药芯材料对焊缝组织和性能的影响.结果表明:以两种药芯焊丝作为原位反应填充材料进行等离子弧原位焊接时,均可以有效抑制针状脆生相Al4C3的生成,形成了稳定熔池,得到了以TiC,TiN,AlN,Ti5 Si3,MgAl2O4和细小棒状的Al3Ti等新生增强相的焊缝;焊缝组织致密结合良好,最大抗拉强度分别为232和196 MPa.     

Image and Video Quality Assessment Using Neural Network and SVM

An image and video quality assessment method was developed using neural network and support vector machines （SVM） with the peak signal to noise ratio （PSNR） and the structure similarity indexes used to describe image quality. The neural network was used to obtain the mapping functions between the objective quality assessment indexes and subjective quality assessment. The SVM was used to classify the images into different types which were accessed using different mapping functions. Video quality was assessed based on the quality of each frame in the video sequence with various weights to describe motion and scene changes in the video. The number of isolated points in the correlations of the image and video subjective and objective quality assessments was reduced by this method. Simulation results show that the method accurately accesses image quality. The monotonicity of the method for images is 6.94% higher than with the PSNR method, and the root mean square error is at least 35.90% higher than with the PSNR.