线性规划支持向量机在非线性系统辨识中的应用

使用线性规划优化技术代替二次规划优化技术,通过最小化支持向量数来实现支持向量机算法.由于线性规划支持向量机的核函数不需要满足Mercer定理,因此,采用复高斯小波B样条小波作为支持向量机的核函数,建立了线性规划支持向量机模型,并将其用于非线性系统的辨识.仿真结果表明,线性规划支持向量机模型的辨识精度高于二次规划支持向量机模型.     

不同准则下的线性支持向量机回归模型

由于标准的支持向量机算法需要解一个二次规划问题,当训练样本较多时,其运算速度一般很慢,为了提高运算速度,根据不同的准则,提出了基于核函数的3种支持向量回归模型.基于使残差的平方和为最小准测的模型转化为解线性方程组运算,只需要矩阵乘积与求逆运算;基于使残差的最大绝对值为最小准则和使残差的绝对值之和为最小准则的2个模型转化为线性规划问题,并给出了线性规划的对偶问题.实验结果表明了该方法的有效性,且计算量明显降低.通过实例,对高斯径向基核函数和多项式基核函数进行了比较与分析,高斯径向基核函数的精度比多项式基核函数高.对高斯径向基核函数和多项式基核函数的不同参数也进行了比较和分析.     

循环线性变换

本文讨论了n维向量空间中非零向量的指导多项式，引入了循环线性变换的概念，得出了几个关于线性变换是循环线性变换的等价条件。     

分类大规模数据的核向量机方法研究

标准的支持向量机算法需要求解二次规划问题,因此,在处理大规模样本的时候,求解二次规划问题的时间复杂度和空间复杂度就成为支持向量机应用的一个瓶颈.核向量机将传统支持向量机中的二次规划问题转化为求解最小包围球问题,从而显著降低了二次规划的复杂程度.使用核向量机对大规模数据进行分类,所选用的数据样本数均超过2000,并与标准的支持向量机作了对比实验结果表明:核向量机在处理大规模数据分类时,比标准的支持向量机计算复杂度低,训练速度快,耗费空间少.     

基于多重核学习支持向量机的歼击机故障诊断

为了提高歼击机故障诊断的准确性与实时性，提出一种基于决策树型组合策略的多重核学习支持向量机诊断方法，决策树型组合策略利用树结构解决多分类问题，而多重核学习支持向量机通过混合核空间，将线性约束下二次规划问题转化为二次约束下二次规划问题，实验结果表明：多重核学习支持向量机的诊断精度明显优于标准支持向量机，且支持向量的数目也较少，决策树型细合策略的引入可以提高歼击机故障诊断的诊断速度，基于决策树型组合策略的多重核学习支持向量机方法能够准确且快速地解决歼击机故障诊断问题。     

基于支持向量机的线性模型鲁棒参数估计

探讨了基于支持向量机的线性系统参数估计问题,利用最小二乘支持向量机来估计自回归滑动平均模型(ARMA)的参数,并在理论上证明了在高斯噪声下比最小二乘估计方法具有更小的均方差;随后利用标准支持向量机来估计ARMA的参数,并利用它的性质从理论上分析了其对大噪声和小噪声的鲁棒性.仿真结果表明支持向量机方法能有效克服样本中的异常点和噪声对参数估计的干扰,比最小二乘估计方法具有更好的鲁棒性.     

广义二次型及其分布

在线性代数中,二次型理论占有很重要的地位。在概率与数理统计中,由于引进了随机向量的二次型理论,尤其对于遵从正态分布的随机向量y_(n×1),的二次型精确分布的解决,奠定了小样本假设检验的理论基础。在文[7]中,给出了矩阵正态变量的二次型,服从Wishart分布。本文,对矩阵正态变量,进行拉直变换,研究拉直[4]后构造的二次型的分布。所得结果写进第三节,第四节。用这种拉直算法得到的二次型,我们称为广义二次型。     

一种有效计算第二型曲面积分的方法

第二型曲面积分的计算是高等数学中的一个难点。利用二重积分和高斯公式计算第二型曲面积分不是很方便,借助第一型曲面积分与第二型曲面积分的关系,得出了一种有效计算第二型曲面积分的方法:向量形式计算法,该方法避免了传统计算方法对曲面侧面的判定和高斯公式条件的限定,物理意义明确,计算过程简单。     

基于k密集近邻算法的局部Fisher向量编码方法

在基于视觉词包模型的图像分类方法中,Fisher向量编码是常用的图像表示方法之一.该方法利用每一个特征关于所有高斯子模型似然函数的梯度信息来构建图像表达.而在编码过程中,每一个特征都会被投影到所有的高斯子模型上并进行编码,同时子模型之间的内在差异也未被考虑,这些不足削弱了Fisher向量的表达能力.为此,提出一种基于k密集近邻算法的局部Fisher向量编码方法.在编码过程中该方法引入局部性约束原则,并利用图像特征空间中高斯子模型间的拓扑结构差异.在多个数据集上进行测试,结果表明改进方法能够有效提升分类的准确率.     

基于多尺度最小二乘支持向量机的舰船备件器材多类分类

针对远海任务舰船备件器材的分类管理,通过运用支持向量机理论,充分发挥多尺度核在非线性分类中的优势,借助最小二乘原理,构建了多尺度最小二乘支持向量机学习模型。在实际运用中,通过选用高斯径向函数作为多尺度核函数,以训练样本数据分布的离散系数作为核函数宽度参数取值依据,采取ECOC方法建立了多类分类模型,实例计算表明,该方法对远海任务舰船备件器材的分类是有效、可行的。     

Ritz向量法在结构与土相互作用分析中的应用

为了提高地震作用下结构与土相互作用体系分析效率,对应用Ritz向量法求解SSI体系地基子结构主模态及进行地震反应计算的适用性与有效性进行了分析研究．根据地基土主模态分布较为分散的特点,考察外部动荷栽的空间分布与地基自身振动特性的对应关系,滤除对地基振动贡献较小的低阶振型．算例分析结果表明,Ritz向量法自振特性计算效率较传统模态向量有明显提高,同等动力反应分析精度条件下截取的模态数量仅为后者的1／7,大大降低了地基子结构的计算规模,该方法应用于地基土的主模态分析十分有效．     

Killing矢量与守恒定律

考察了Minkowski度规的Killing矢量场的独立的Killing矢量;得到了它们所对应的10个积分守恒量。     

蒙古语词向量评测研究

词向量具有良好的语义特性,可用于改善和简化许多自然语言信息处理应用。本研究利用CBOW和Skip-gram两种模型架构在不同数据和不同维度下训练蒙古语词向量,然后结合蒙古语特征设计一个语义语法综合测试集,并在此测试集上用语义和语法相似度来评测词向量质量。研究结果表明,蒙古语语义和语法相似性任务上,Skip-gram模型优于CBOW模型,Skip-gram模型的窗口大小为5的情况下,词向量质量最好,且随着词向量维度或训练数据的增大,词向量质量有明显的提高。     

Rn上的向量外积

文章对向量外积进行了研究,得到了Rn上向量外积的形式以及一系列相关的性质.最后,作为应用将托勒密定理推广到n维空间.     

一类向量组的有趣性质及其应用

给出了一类向量组，讨论了此类向量组的一些有趣的性质，阐述并举例其在证明线性空间的有限覆盖问题中的重要应用。     

基于多观测向量的高光谱影像稀疏表达分类

针对传统的高光谱影像稀疏表达分类模型忽略像元间的内部结构关系且运算效率较低,提出多观测向量的稀疏表达模型来研究高光谱影像分类.该模型引入平衡参数来控制各权重系数向量的稀疏度,通过最小化L2范数约束的重构误差来求解所有测试像元的稀疏系数向量.基于两个高光谱数据集,对比5种常规分类器的分类结果来验证提出的方法.实验结果表明,多观测向量的稀疏表达分类模型在计算效率第二的同时能够得到最高分类精度.     

基于偏差向量的机器人装配系统误差分析

机器人装配系统中，装配误差是影响装配质量的重要因素。在分析了机器人装配过程各种误差的基础上，用偏差向量建立了装配误差的模型。基于刚体运动学原理，研究了装配工夹具的姿态偏差对零件配合面位置偏差的影响，推导了配合件和基础件相应配合面的位置和姿态偏差的计算公式,建立了机器人装配系统零件配合过程的误差分析模型。实例计算表明，该模型物理意义明确，通用性强，是系统评价机器人装配系统装配质量的基础。     

基于运动矢量的H.264信息隐藏算法

提出了一种基于H.264的视频信息隐藏算法.该算法引入菱形编码,通过轻微调制运动矢量实现信息的嵌入过程.菱形编码不仅可以有效减少运动矢量修改率,同时可以提高嵌入容量.在嵌入过程为减少信息嵌入对码率和视频图像质量的影响,选择纹理复杂区域和较大运动矢量为嵌入点.实验结果表明,该算法在确保良好视频质量的条件下,可以满足大容量信息嵌入的要求,对压缩码率的影响较小.     

求解统计不相关的最佳鉴别矢量的统一算法

Fisher最佳鉴别准则是高维模式分析中的有效方法 ,其关键是求解最佳鉴别矢量。统计不相关的最佳鉴别矢量保证模式矢量投影后得到的特征是统计不相关的 ,已有的计算统计不相关的最佳鉴别矢量算法不能计算小样本的情形 (类内散布矩阵是奇异的 ) ,针对这种情形 ,该文给出了一种对大小样本都能精确计算统计不相关最佳鉴别矢量的统一算法。在大样本情形下 ,该方法得到的结果与已有的方法相同。为验证算法的有效性 ,将其用于人脸识别实验 ,该方法比已有的方法能得到更高的识别率     

一种支持向量预提取方法及应用

提出了一种支持向量预提取方法,对核感知机误分次数与决策边界的关系作了分析,引入了核函数和误分界,利用结构简单的感知机算法构建支持向量预提取模块,压缩样本规模,然后将处理结果输入支持向量机进行再处理,在精度和处理速度方面取得了较好的效果,仿真实验验证了这一方法的可行性。