基于IM-SAPSO和SVM的EBPSK检测器设计

参数选择对于支持向量机(support vector machine, SVM)的分类性能很重要,其本质是搜索寻优.该文提出以最小化K-fold交叉验证误差为目标,以改进模拟退火粒子群优化算法(improved simulated annealing particle swarm optimization, IM-SAPSO)为寻优方法的SVM参数优化方法. 利用优化的SVM对扩展的二元相移键控(extended binary phase shift keying, EBPSK)通信系统中经冲击滤波器的“0”和“1”码元进行分类,并和基于SVM、PSO-SVM以及幅度积分判决的EBPSK检测器进行性能对比. 仿真结果表明：基于IMSAPSO和SVM的EBPSK检测器性能明显好于其他3 种检测器.     

基于抗非线性SVM的几何整形可见光通信系统

非线性效应限制是高速可见光通信系统性能提升的一大瓶颈问题,为此提出将支持向量机（support vector machine,SVM）监督学习算法应用于几何整形可见光通信系统接收信号星座点的分类判决,将信号的同向分量和正交分量作为特征向量,建立最优分类界面,以降低非线性条件下星座点变形带来的符号误判,同时比较几种几何整形设计的性能.仿真分析和实验结果表明,SVM提升了非线性条件下系统的性能,在数据速率为1.2 Gbit/s的高速可见光通信传输中,圆-169几何整形16正交幅度调制（quadrature amplitude modulation,QAM）的符号误码性能最优.     

利用支持向量机构建水稻镉含量高光谱预测模型

研究基于支持向量机构建水稻镉(Cd)含量高光谱预测模型的可行性.利用ASD光谱仪测量研究区水稻冠层反射光谱,通过实验室化学分析得到土壤镉含量和水稻叶片镉含量,对研究区水稻光谱进行均一化平滑处理以及小波变换降噪,构建基于支持向量机(support vector machines,SVM)的水稻镉含量高光谱预测模型.结果表明,小波变换降噪处理对SVM建立的镉含量预测模型精度有所提高,SVM高光谱预测模型的相关系数为0.8674,均方误差为0.0012.该研究为利用高光谱遥感大面积、快速监测农田作物重金属污染提供技术支持.     

基于粒子群优化支持向量机的边坡稳定性预测

为了提高边坡稳定性预测的精度,保障边坡工程的安全,提出基于粒子群优化算法支持向量机的预测模型。采用粒子群优化算法不断进行搜索迭代获取支持向量机模型的最优参数,避免了支持向量机人为选取参数的盲目性和随意性。通过Matlab编程,应用实例证明:该模型的预测精度较高,预测样本的平均相对误差为3.581 9%,计算速度较快,优于改进的BP算法、GA-BP算法和改进支持向量机算法,在实际的工程应用中有着良好的应用前景。     

基于小波支持向量机的金融预测

基于小波分析与支持向量核函数理论构造了一个小波支持向量机(WSVM),用以预测金融时间序列的波动率.与采用高斯核的标准支持向量机相比,由于小波核结合了小波分析的多分辨特性,因此可以更好地逼近任意非线性函数.仿真实验表明,小波支持向量机在股指收益波动率预测中具有较好性能.     

基于SVM判决的RS编码EBPSK调制解调器

冲击滤波器能将扩展的二元相移键控（extended binary phase shift keying, EBPSK）调制信号的相位跳变转化为幅度冲击,从而突出了“0”和“1”码元的波形差异. 为了充分利用该特性,文中设计了基于支持向量机（support vector machine, SVM）判决的RS编码EBPSK调制解调器. 简述了EBPSK调制解调原理,并
利用SVM的分类能力给出了EBPSK检测模型. 对二元相移键控BPSK和EBPSK的性能进行对比,设计了基于SVM的RS编码EBPSK调制解调器. 仿真结果表明：1) 以比特每秒/赫兹/信噪比为综合指标,EBPSK系统性能优于BPSK;2) 在AWGN信道下,当误码率为10−4时与自适应门限判决的RS编码EBPSK调制解调器相比,基于SVM的调制解调器可获得约1 dB的编码增益.     

灰度和纹理特征组合的SAR影像SVM分类

针对利用单一特征进行分类的效果不理想、普适性不强等问题,提出了一种灰度和不同纹理特征组合的支持向量机(support vector machine, SVM) 分类方法,将由不同特征组合的SVM分类器用于SAR影像分类,并对几种不同的分类结果进行定性和定量比较分析. 实验结果表明,灰度和不同纹理特征组合的SVM分类方法能够取得较高的分类精度,其结果要优于传统的单一纹理特征分类,是一种有效的SAR影像分类方法.     

基于Relief-PGS优化算法的数据分类

【目的】在选取图像特征对图像进行分类时,选取的特征属性是否冗余会影响到图像分类的正确率。为提高分类的准确率,使用Relief-PGS优化算法对特征子集和支持向量机参数同步进行优化。【方法】首先使用Relief算法对特征数据集进行筛选,其次将筛选出的特征子集数目和支持向量机参数一起编码到粒子群-遗传算法中进行同步优化,最后对处理后的数据集进行分类,能有效提高分类的准确率。【结果】选取UCI数据库中的5种数据集进行分类,与传统的SVM算法、PGS算法和Relief-SVM算法相比,Relief-PGS优化算法对图像分类的准确率分别提高了22.53%、6.05%和11.16%。【结论】研究结果表明,Relief-PGS算法在去掉不重要特征的同时,对支持向量机参数进行优化,能有效提高分类的准确率。     

基于小波包与自适应SVM的滚动轴承故障诊断方法研究

近年来,诸多学者针对滚动轴承故障问题进行了大量研究。本文利用基于小波包分解的时频域特征提取方法获取各频段能量谱。同时,为提高故障诊断模型的诊断精度,利用差分进化灰狼优化算法(Differential Evolution Grey Wolf Optimizer,DEGWO)实现支持向量机(Support Vector Machine,SVM)模型参数自适应。最后,通过具体实验完成故障特征提取与自适应故障诊断模型的构建,从而实现机械设备滚动轴承的状态监测与故障诊断。     

一种改进的人工蜂群算法优化的支持向量机

为了改善现有支持向量机(Support Vector Machine)的机器学习效果依赖于参数选择,而参数选择通常依赖于经验的问题,在现有基础上,本文结合一种称为骨架人工蜂群算法(Bare-bones Artificial Bee Colony)的改进的人工蜂群算法对支持向量机的2个参数进行优化,并对该优化结果进行试验。试验结果表明,改进的支持向量机的准确率、识别速度均优于原本的支持向量机。     

基于编码标志的无人机电力巡检自主定位方法

为了实现无人机在变电站巡检时自主避障,提出一种利用编码标志作为控制点的无人机自主定位方法.首先讨论编码标志的设计与解码,然后利用灰度方向直方图(histogram of oriented gradient, HOG)特征和支持向量机(support vector machine, SVM)检测并跟踪图像中的编码标志,以提高算法运行效率,最后根据编码标志在电塔上的位置及其在图像上的对应坐标,由物点与像点的透视关系解算无人机位置.实验表明:HOG+SVM组合检测图像中的编码标志召回率为99%;解码算法在编码标志模糊、变形等极端条件下依然保持强鲁棒性,解码错误率仅为0.05%;无人机定位误差不超过±0.03 m,算法运行速度达10帧/s,可用于变电站的实际巡检.     

基于SVM的高校录取分数预测模型

由于随机性大,影响因素多,导致高校录取分数预测困难,准确度不高,相关研究较少.针对这种情况,尝试基于支持向量机(SVM)理论,结合我国高考录取模式,建立SVM模型对高校录取分数进行初步预测.通过对预测结果的定量分析,证明预测效果较理想,预测的平均绝对误差为7.6分,同时验证了SVM预测模型在高校录取分数预测中的可行性.     

基于LANDSAT数据的湿地动态变化特征研究——莫莫格保护区

该文通过Landsat卫星的TM影像数据利用支持向量机SVM分类法对莫莫格保护区进行地物类型分析,从而获取其中的湿地动态变化土地利用变化特征数据.研究结果表明:由于受到严重人为与自然因素的共同影响使得湿地系统相对退化,莫莫格保护区湿地生态系统中沼泽所占面积较以往相比大幅度减少,并出现湿地破碎化趋势且日益加剧.     

基于集成支持向量机的高维过程监控

针对传统基线模型控制图在高维过程监控中不适用的问题,实时对比(RTC)方法将过程监控问题转化为实时分类问题。将集成支持向量机作为分类器运用到RTC方法中,通过设置不同参数水平的支持向量机实现个体分类器的差异性,达到对不同程度过程偏移都有更好的监控效果的目的。对于多元正态分布和非正态分布2种情况分别进行仿真实验,结果表明集成支持向量机能够更快速识别不同程度的过程偏移,实现对高维过程的实时监控。     

小波包分析和支持向量机用于直肠感知功能重建

针对临床上肛门失禁导致的直肠感知功能丧失,提出一种基于小波包分析和支持向量机( support vector machine,SVM)重建患者直肠感知功能的方法.分析人体直肠生理特征,将典型直肠压力收缩波形中的巨大移行性收缩作为产生便意的主要依据.利用小波包分析对直肠压力信号进行特征提取,以分解层结点的L2范数和标准差作为特征向量.通过提取的直肠压力信号特征向量对基于SVM的直肠感知预测模型进行训练,对SVM的惩罚因子和核函数宽度进行交叉验证优化,并利用训练后的模型进行便意预测,同时对比分析了基于前馈神经网络和基于不同核函数的SVM便意预测的准确率.实验结果表明,所提出的方法能帮助患者重建直肠感知功能.     

3种修正的机器学习算法在逐3h降水量预报中的比较应用

为了订正数值预报产品,完善预报模型本地化应用,提高石林地区降水预报准确率,采用石林地区2016—2018年3h累计降水量观测资料和欧洲细网格数值预报场资料,基于概率神经网络(PNN)、支持向量机(SVM)和Logistics判别的3种机器学习算法对石林地区的逐3h时间间隔降水量的8个等级进行回归建模。利用遗传算法修正PNN网络的平滑因子和SVM模型的核函数中的Gamma值及惩罚系数,选择最优模型参数并建模;尝试线性回归后再多次使用Logistics判别的技术获得8个降水量级的预报值来构建预报模型,修正AUC阈值获取方式,提高预报模型TS评分。通过3种机器学习模型2018年汛期降水预报的业务检验表明,PNN和SVM模型优于扩展的Logistics判别模型,3种模型中Logistics判别模型的TS评分接近30%,PNN和SVM模型TS评分在45%左右,特别是对中雨以上的较强降水预报,3种模型TS评分达到28%。     

支持向量分类机灵敏度分析研究

针对支持向量分类机对偶问题建立了灵敏度分析定理.该定理可以得到支持向量分类机对偶问题的解及决策函数对输入数据参数的偏导数;该定理可以定量分析输入数据误差以及数据各种变化对支持向量机模型解及其对应的决策函数值的定量影响,为解决支持向量分类机的稳定性问题奠定基础.     

支持向量机算法在若干熔盐相图中间相预报中的应用

用支持向量机(SVM)算法与原子参数方法相结合预报了KNO₃-KBr、KNO₃-KI、Cs,Li,Er Cl等含卤化物系的中间化合物形成情况.若干预报已得到实验证实.用留一法对比了SVM算法和若干传统的模式识别算法对AX-BX系和AX₂-BX₂系形成中间化合物,含稀土氯化物的盐系形成A₃B₂C₁₉型和A₂BCl₅型化合物等的预报正确率,结果表明:SVM算法所建立的数学模型的预报正确率比Fisher法和KNN法高.     

一种支持向量回归机的音频水印算法

为了同时保证算法的不可感知性与鲁棒性,提出了一种新的支持向量回归机音频水印算法．该算法首先对音频进行小波变换,然后选取稳定的低频系数的相邻均值向量、左邻域斜率向量、右邻城斜率向量作为支持向量回归机训练模型,利用支持向量回归机训练模型嵌入和提取水印信息．仿真实验表明,算法对常规的信号处理及攻击均具有较好的鲁棒性,与经典的基于小波变换的量化算法相比,具有很好的不可感知性,另外,在水印检测时不需要原始音频,实现了水印的盲检测．     

基于支持向量机的室内照度预测仿真

为了有效地预测室内的自然光照度,提高预测精度,建立了基于支持向量机(SVM)的室内自然光照度预测模型。在MATLAB 2012的环境下,以郑州市(东经113.65,北纬34.72)某室内自然光的实测照度为训练样本,对三个位置的五个时间点的照度进行预测,模型预测效果采用平均绝对百分比误差(MAPE)来进行评价。经过仿真可知,由模型得到的预测照度与实际照度误差较小,预测效果较为理想,预测的平均绝对百分误差为6.1%。该结果验证了基于支持向量机的预测模型在室内照度预测中的有效性。