SVM、PLS方法解析光度法多组分同时测定数据的比较研究

对分光光度同时测定润滑油中的Ca,Ba,原油中的Fe,Ni,V,润滑油中的Fe,Cu,Zn和铝合金中的Fe,Mn,Cu,Zn的光谱数据分别采用偏最小二乘（PLS）和ε-支持向量机（ε-SVM）两种方法进行解析,结果表明PLS和ε-SVM都能利用校正样建立有效的校正模型对合成样进行合理预测,但从预测结果的绝对误差和平均相对误差的比较看,ε-SVM的预测准确率要比PLS方法高,表明ε-SVM在紫外光谱数据解析方面有着比PLS更好的回归能力,适合用来处理多元校正问题．     

任意点存储器结构FFT处理器地址策略

提出一种针对任意点数运算的并行地址无冲突的存储器结构的FFT处理器.该方法利用高基底的分解方法减少整体计算时钟周期,以及小基底互联的多路延迟交换结构降低计算引擎的复杂度.该方法可以将存储器结构FFT处理器中的几个重要特性如连续帧处理模式,多点数计算和并行无地址冲突等特点集成在一起.另外,素因子FFT算法也被运用到该处理器当中用以降低乘法器个数和蝶形因子存储,以及满足任意点数的计算需求.设计了一种统一的基-2,3,4,5的Winograd算法的蝶形计算单元用以降低计算复杂度.实验仿真结果表明,本FFT处理器在122.88 MHz工作频率下功耗只有40.8 mW,非常适合LTE系统的应用.      

G/11木聚糖酶最适pH值的预测及其与氨基酸位置的关系

把木聚糖酶全序列均分为N端,中间端(I端)及C端3个部分,并分别以全序列及分段氨基酸的组成作为模型输入值.通过主成分分析(PCA)方法探讨全序列及分段氨基酸组成和最适pH值的相关性,运用均匀设计法分别优化支持向量机和BP神经网络运行参数.研究结果表明:支持向量机获得的预测模型优于神经网络,其中RBF支持向量机是最佳的模型.主成分分析结果显示:I端主成分跟最适pH值相关性最高;相关系数R绝对值为0.68,得到的结果与支持向量机结果一致.     

基于KPCA和模糊核Fisher判别的语音情感识别

针对语音情感识别率不高和实时性差的问题,提出一种基于KPCA核主成分空间的模糊KFD算法,应用于语音情感识别。首先采用KPCA对语音情感特征向量降维去噪,根据转换矩阵得到核主成分空间,然后在该特征空间利用模糊C均值聚类计算语音特征向量的隶属度,进而对LDA算法中的类间离散度和类内离散度重新定义,生成模糊KFD分类器进行语音情感识别。仿真实验结果表明,提出的方法相比于传统SVM和核Fisher判别算法具有较高的识别率和良好的抗噪性能,是一种行之有效的语音情感识别新方法。     

高速公路实时事故风险研判模型及可移植性

通过G15沈海高速公路南通段上布设的高清卡口过车数据对路段上发生的实时事故风险进行研究.采用配对案例对照方法,结合基于随机森林的参数选取方法对3个子路段上的事故分别建立了支持向量机模型.结果表明,基于高清卡口采集的高分辨率过车数据构建的支持向量机模型相对既有研究中的模型而言其性能较优;对3个子路段分别构建的支持向量机模型进行可移植性分析发现各支持向量机模型均具有一定的可移植性,经过参数重新标定后可直接应用至邻近道路对其实时事故风险状态进行研判,并有着相对较高的预测精度.     

高效液相色谱法同时测定独活中七种有效成分含量及在质量评价中应用(英文)

利用1.8μm颗粒的色谱柱建立了HPLC法同时测定独活中六种香豆素和一种倍半萜衍生物含量的分析方法.研究结果表明,七种有效成分在线性范围内线性关系良好,回收率在95.8-101.9%范围之内,最低检出限和定量限分别低于0.06和0.14μg/mL;化学计量学的方法(相似度分析和聚类分析)可用于评价不同来源的独活的质量.本项研究验证了多组分含量测定和化学计量学方法联用可用于独活药材的质量控制,为独活药材的质量评价提供了研究手段.     

石墨炉原子吸收光谱法测定中药中微量金属元素

采用石墨炉原子吸收光谱法(GFAAS)测定了中药中微量金属元素的含量. 对基体改进剂硝酸镍的用量、 灰化温度、 原子化温度等实验参数进行了优化. 实验结果表明, 加入硝酸镍不仅能提高测定的灵敏度, 还能有效消除共存离子的干扰. 在选定的实验条件下, 分析测定了中药秦皮(cortex fraxini)、 槐花(flos sophorae)、 淫羊藿(herba epimedii)、刺五加(radix acanthopanacis)和黄芩(radix scutellarae)中镉、 铅、 锗和砷的含量, 回收率为90%~110%, 方法的相对标准偏差小于8%. 该法快速、 可靠, 为中药中微量元素的测定提供了一种简便方法.     

多环芳烃及其衍生物致癌性的支持向量机预测模型

分别用支持向量分类法、Fisher法判别、K最近邻法和反向传播人工神经网络，对353种多环芳烃及其衍生物致癌性构建二分类模型，并采用留一法交叉校验作比较，所构建的支持向量机模型的误报样本数及预报准确率均高于其它3种方法．实验结果表明，支持向量机算法具有较强的稳健性和良好的泛化能力，能够用于多环芳烃及其衍生物致癌性的二分类和预测．     

19种中草药美白及抗氧化活性的比较

以无水乙醇和水作为萃取剂超声提取19种中草药,采用紫外-可见分光光度法测试各中草药提取液对酪氨酸酶和DPPH·、·OH、·O-23种自由基的抑制率及半数抑制浓度IC50.结果表明,茯苓、黄芩、红景天、赤芍、人参、白蔹均表现出较强的酪氨酸酶抑制活性,其中茯苓对酪氨酸酶的抑制能力最强.红景天、黄芩、白芍、赤芍的综合抗氧化活性强于其他中草药.     

微波消解-石墨炉原子吸收光谱法分析中药中微量元素

采用石墨炉原子吸收光谱法(GFAAS)测定了中药中铜、 铁和锌的含量. 以磷酸二氢铵作为基体改进剂, 对基体改进剂的用量、 灰化温度、 原子化温度等实验参数进行了选择和优化. 实验结果表明, 加入基体改进剂后不仅能提高测定的灵敏度, 还能有效地消除共存离子的干扰. 在选定的实验条件下, 利用标准加入法分析测定了中药当归(Ra dix angelicae sinensis)、 槐花(Flos sophorae)、 桑寄生(Herba taxilli)、 罗布麻叶 (Folium apocyni veneti)和黄芩(Radix scutellarae)等中药中的铜、 铁和锌的含 量, 回收率为90%~110%, 方法的相对标准偏差小于5%. 该法快速、 可靠, 为中药中微量元素的测定提供了一种简便的方法.     

基于多权值神经网络的老人跌倒智能识别研究

随着我国人口老龄化及对延年益寿的期望加剧,老年人的健康问题受到广泛的关注。针对这一社会问题,建立人体跌倒模型,并对三轴加速度传感器采集来的不同人体跌倒姿态的高维数据做主成分分析(PCA),降维处理使其特征投影到低维空间,再将降维后的特征向量借助多权值神经元网络算法识别人体跌倒姿态。最后,实际采样的人体跌倒姿态数据验证了该方法的有效性。此外,与支撑向量机(SVM)算法相比较,实验结果表明,多权值神经元网络比支撑向量机算法在人体跌倒应用中更加具有优越性。     

一种SVM增量学习算法

分析了SVM理论中SV（支持向量）集的特点，给出一种SVM增量学习算法，通过在增量学习中使用SV集与训练样本集的分类等价性，使得新的增量训练无需在整个训练样本空间进行，理论分析和实验结果表明，该算法能然保证分类精度的同时有效地提高训练速度。     

一种基于支持向量机的多分辨率信号逼近算法

为了进一步提升多分辨率信号逼近算法(MSA)的逼近性能,提出了一种基于支持向量机(SVM)的信号多分辨率逼近算法(SVM-MSA).SVM-MSA以尺度子空间是再生核希尔伯特空间为前提,先在MSA中集成SVM的逼近准则并得到一个无约束规划,再引入松弛变量将无约束规划转化为约束规划,最后借助拉格朗日乘子法求解约束规划,获得逼近系数与逼近表达式.SVM-MSA不仅保留了MSA的多分辨率逐级逼近特点,而且兼具SVM良好的逼近准确度与平滑度.实验结果表明:在逼近sinc信号时,SVM-MSA具有比MSA更好的逼近准确度与平滑度;在噪声环境下,当输入信噪比大于约2 dB时,具有更强的稳健性.     

基于PCA和KPCA特征抽取的SVM网络入侵检测方法

提出一种新颖的基于特征抽取的异常检测方法,应用主分量分析(PCA)和核主分量分析(KPCA)抽取入侵特征,再应用支持向量机(SVM)检测入侵。其中PCA对输入特征做线性变换,而KPCA通过核函数进行非线性变换。利用KDD 99数据集,将PCA-SVM、KPCA-SVM与SVM、PCR、KPCR进行比较,结果显示:在不降低分类器性能的情况下,特征抽取方法能对输入数据有效降维。在各种方法中,KPCA与SVM的结合能得到最优入侵检测性能。     

基于分频段ABAP谱减法的鸟叫声分类研究

针对带噪鸟叫声,用自适应Bartlett平均周期图(ABAP)完成噪声估计,进行分频段谱减去噪后,提取经过二维离散余弦变换的Mel频率倒谱系数动态声音特征(TDMFCC).最后,利用支持向量机(SVM)分别结合MFCC、TDMFCC以及经过分频段ABAP谱减法降噪后的MFCC和TDMFCC对30种鸟叫声进行不同背景环境和信噪比情况下的对比实验.结果表明,分频段ABAP谱减法降噪后提取TDMFCC结合SVM的方法可以取得较好的分类效果,适用于噪声环境下的鸟叫声分类.     

采用迁移学习的表面肌电信号手势识别方法

为解决采用表面肌电信号(surface electromyography, sEMG)进行手势识别时电极贴片位移、受试者动作变化等复杂情况下分类识别准确率下降这一问题,提出了一种基于表面肌电信号与迁移学习的手势分类模型。首先对4通道表面肌电信号进行活动段提取与降噪处理,然后提取活动段信号的四种时域特征与两种频域特征。采用流形嵌入分布对齐(manifold embedded distribution alignment,MEDA)方法将源领域和目标领域的特征矩阵嵌入到格拉斯曼流形中进行流形特征学习,减小两域之间的数据差异,消除特征退化;同时根据自适应因子执行动态分布对齐,动态调整数据不同分布差异下边缘分布和条件分布的相对重要性。对多名受试者开展实验以验证所提方法的合理性,实验结果表明:所提方法与决策树(decision tree, DT)、支持向量机(support vector machine,SVM)、k临近(k-nearest neighbor,KNN)三种传统机器学习方法相比,识别准确率分别提高了13%、21%、9%。与未执行流形学习与动态分布对齐的联合分布适配(joint distribution adaptation,JDA)迁移学习方法相比,识别准确率提高了52%,达到93%。     

基于CPSO和SVM的混沌时间序列预测

提出了一种改进的支持向量机（SVM）混沌时间序列预测精度的方法。对于模型参数估计,引入混沌粒子群优化算法（CPSO）实现全局寻优,利用支持向量回归实现非线性系统的建模和预测。对Mackey-Glass混沌时间序列进行了预测实验的结果表明,本文方法能对Mackey-Glass混沌时间序列进行准确预测。     

基于FCM和FSVM的说话人辨认

针对经典支持向量机对非目标样本没有拒绝能力,且应用于说话人辨认时存在不可分区域的问题,提出一种基于模糊C均值聚类和模糊支持向量机的多级模糊说话人辨认方法。首先利用模糊C均值聚类方法对特征向量进行聚类,减少样本的数目,加快模糊支持向量机训练速度。最终由FSVM得出判决结果。并通过仿真实验验证了该方法的有效性。     

支持向量机在胆固醇测定中的应用

支持向量机(SVM)在非线性回归估计中具有很好的学习性能。本文针对医学上三类血浆脂蛋白(VLDL、LDL、HDL)样本中胆固醇含量测定的问题,提出了利用SVM进行回归估计的方法,并与BP网络方法进行了比较。实验表明SVM在稳定性上优于BP网络,而且在对极低密度脂蛋白(VLDL)类别回归估计的精确度上也比BP网络要好。     

石油井架结构损伤的分步识别技术研究

针对JJ160/41-K型石油井架结构损伤识别问题,提出基于模态参数和支持向量机的分步识别方法,即先使用柔度矩阵方法进行井架结构损伤位置识别,再以柔度曲率差值作为损伤识别指标,应用支持向量机回归算法对已定位的损伤进行定量分析.仿真计算结果表明该技术可有效实现井架结构损伤的定位与定量分析.