超球体支持向量机的不完全二叉树多类分类算法

针对现有的支持向量机多类分类方法的不足之处,提出了一种基于超球体支持向量机的不完全二叉树多类分类算法。该算法首先采用超球体SVM算法,计算各类样本群的分布范围。再利用距离公式,计算各类样本间的距离,基于将最容易分离出来的类最先分割出来的原则,设计二叉树结构,从而提高分类精度。通过仿真实验,分析比较各种方法的性能,从而验证了该算法的有效性。     

血浆絮状物无损检测系统设计

检测血浆中是否含有絮状物是保证输血安全的重要措施。针对絮状物人工检测法的缺点,设计基于机器视觉技术和神经网络的血浆絮状物无损检测系统,并对系统设计的关键技术进行研究。基于MATLAB平台设计系统软件以实现图像采集,并采用剪切、反色、中值滤波、灰度切割对图像进行预处理;采用fisher判别方法,结合迭代阈值分割法和标注矩阵连通区域选择法,消除气泡干扰,提取絮状物。系统通过基于BP神经网络建立的识别模型,完成血浆絮状物的判别。临床对比实验结果表明,系统能有效地检测出血浆中是否含有絮状物,具有较好的检测重复性和准确性。每袋样品从图像采集、处理到最终给出检测结果的时间不超过1 min。     

无线遥控自动立木整枝机机载控制系统设计

 自动立木整枝机是人工林整枝抚育的重要设备,用于替代人工完成对树木的修剪和整枝工作。本文以自动立木整枝机为控制对象,设计了由复杂可编程逻辑器件和无线数据传输模块构成的无线遥控接收系统,通过接收模块接收控制命令、控制输出脉冲宽度调制信号驱动两路舵机,确保整枝机工作在所需的状态。本设计中所使用的复杂可编程逻辑器件芯片为Altera公司的零功耗芯片EPM240ZM100,电路结构简单,功耗低,经实测,整个控制系统的正常工作电流仅为50mA,可靠遥控距离为45m。     

差分进化优化参数的LSSVM中长期径流预测

针对LSSVM预测模型参数难以确定的问题,利用差分进化(DE)算法的收敛速度快和全局优化能力,优化LSSVM模型的惩罚因子和核函数参数,避免了人为选择参数的盲目性。将优化后的LSSVM模型应用于中长期径流预测问题。选取黄河三门峡站1919年至1992年径流量实测数据进行分析和训练,对1993年至2002年的年径流量进行预测,并与BP神经网络和SVM模型进行比较。研究结果表明,该模型具有较高的预测精度。     

机器学习与知识发现在高校公共突发事件智能预警系统中的应用

机器学习与知识发现能够帮助人工智能系统对现象或信息之间的因果关系产生更深入的认识,有利于提高智能决策支持系统的工作效率,有利于提高使用者和机器之间的默契程度。就机器学习与知识发现技术应用于高校公共突发事件智能预警系统进行了探讨。     

基于支持向量机的云相态分析

为了提高云相态的反演精度,结合MODIS多通道的光谱特性,首先提出了分别针对白天和夜间的MODIS云检测方法,得到了较高精度的云检测结果,为云相态反演奠定了基础。然后,依据不同相态云在不同光谱的辐射特性,选取了合适的特征参量,采用支持向量机方法反演云相态,在2009年7月7日的一次大暴雨过程中的云顶粒子相态反演试验中取得了较好结果。结果表明：精确的云检测结果有利于提高云相态反演精度,利用支持向量机的方法反演云相态是可行的,并且反演结果具有较高的精度。     

基于支持向量机的飞机备件消耗预测研究

针对影响飞机备件消耗的诸多因子难于在模型中体现的问题,采用支持向量机回归模型,应用于备件的消耗预测。该方法将影响备件消耗的主要因子作为支持向量机预测模型的输入因子,对应的备件消耗量作为输出因子,训练模型,然后输入测试样本进行预测。预测结果表明,相比于GM(1,1)模型和神经网络(ANN)模型,该模型具有较高的预测精度和动态适应性,可为相应的备件保障部门提供科学的决策依据。     

旋转斜面压迫式切槽机的结构设计及模态分析

针对传统切槽方法存在的问题,设计了一种新型切槽机构,刀具一方面进行旋转的主运动,另一方面在斜面的压迫下进行径向的进给运动来完成切槽工作.介绍了切槽机结构和工作原理,建立了切槽机的虚拟模型,使用虚拟装配和仿真,通过仿真软件ANSYS对其主轴系统进行模态分析,找出存在的问题,为优化设计提供了依据.     

嫁接用苗生长状态无损测量技术的研究

利用机器视觉技术对蔬菜幼苗的生长特征信息进行了无损检测,该研究技术是定量化研究植物生长规律的关键技术之一,并为蔬菜自动化生产过程中的嫁接、移栽、间苗等作业提供必要的技术理论依据.该研究通过在温室内设计了一套计算机视觉系统,对多株群体蔬菜苗的生长进行了长时间、连续、快速的无损检测,并利用VB6.0编制了图像处理软件,提取了蔬菜幼苗的外部形态特征,经过图像处理软件分析得到蔬菜幼苗的日生长变化规律,发现蔬菜苗在夜间的生长率明显高于白天.研究表明,采用机器视觉及图像处理技术可以快速、准确地监测出蔬菜幼苗的外部形态特征量,能够对蔬菜生长状态进行直观测量,实现对蔬菜幼苗生长规的定量化研究,为蔬菜生产过程中相关作业的自动化提供可靠的理论依据.     

基于SSA-SVM的航空电弧故障检测

针对航空线路系统电弧故障隐蔽性高和难以检测的问题,提出一种基于麻雀搜索算法优化支持向量机（Sparrow Search Algorithm Optimization Support Vector Machine,SSA-SVM）的航空电弧故障检测方法。首先采用小波分解对电弧故障电流数据进行分解,小波分解能有效克服经验模态分解时存在的模态混叠问题。再从信号无序度的角度对电流分量提取能量熵、模糊熵与近似熵,并构造特征向量。然后,使用麻雀搜索算法对支持向量机的权值进行优化,得到最优的权值,最后用训练好的支持向量机对测试样本进行分类。为了验证所提方法的有效性,搭建电弧实验平台,模拟航空线路系统电弧故障的产生,分别采集交流串联正常和电弧故障电流数据,应用本文提出的SSA-SVM算法进行电弧故障检测,结果表明,该方法能较好地识别出电弧故障,检测准确率达到99.5%,相比于粒子群算法或遗传算法优化的支持向量机对电弧故障的检测准确率分别高出2.5%和2%。