基于双空间特征提取的变压器故障诊断模型

为了提高基于油中溶解气体分析(dissolved gas analysis, DGA)的变压器故障诊断正确率,弥补单子空间特征提取的局限性,提出了基于双子空间特征提取的变压器故障分层诊断模型.首先,将DGA测试样本在一个子空间内进行特征提取后,为避免核函数及其参数的选择难题,以及利用多核支持向量机(multiple-kernel support vector machine, MKSVM)鲁棒性强和精度高的特点,采用MKSVM作为分类器对测试样本进行预测.依据预测结果将测试样本分为难分类和易分类样本,对易分类样本直接进行分类识别;对难分类样本则将该样本再次投影到另一子空间进行特征提取后,同样采用MKSVM作为分类器对难分类样本进行预测,综合两次预测结果进行分类识别,实现两分类MKSVM的双子空间特征提取算法.最后,根据故障特征,建立基于双子空间特征提取算法的变压器故障分层诊断模型.诊断实例表明,该模型具有较高的诊断正确率和推广能力.     

二阶拟牛顿方程的新的推导方法

借助向量值函数的多项式插值方法,给出了Pan的二阶拟牛顿方程的一种新的推导方法,设计了相应的校正公式,并利用这一推导方法,导出了其它几个拟牛顿方程。     

网络环境下英语写作“过程体裁教学法”应用模式

针对“过程体裁教学法”在我国传统英语写作教学应用中存在的不足,文章基于韩金龙首创的“范文分析、模仿写作／集体仿写、独立写作和编辑修订”四个教学阶段,提出网络环境下英语写作“过程体裁教学法”的应用模式．希冀解决该方法在国内传统英语写作教学中因教学课时少、范文样本小、教学过程繁琐无法得以真正实施等问题,从而实现过程体裁教学法在写作教学中的最优化利用价值,为培养学生课外自主与交互学习习惯,提高英语写作实际能力创设良好的英语写作教学环境。     

基于在线SVM的自适应sEMG人机交互系统

针对sEMG人机交互中系统自适应能力差的问题,提出一种基于在线SVM(支持向量机)的自适应人机交互系统.该系统采用一种新的自适应样本更新策略,即在实时操作中通过SVM的增量训练算法对咀嚼肌单击和双击产生的sEMG样本进行在线学习,引入左右眼的视觉信息作为系统的反馈,采用Adboost算法来识别闭左眼和闭右眼,闭眼状态作为在线样本更新的校正信息.整个人机交互系统构成一个闭环控制系统,通过不断调节模型参数使得人机交互系统伴随sEMG信号的变化做相应的调整.实验结果表明:视觉信息的加入有效地避免了使用单一肌电信号进行人机交互时由于肌电信号缺乏可信信息而引起的误识别等问题,该系统便于操作,长时间人机交互中具有较好的可靠性和鲁棒性,不易受到外界因素的影响.     

基于最小二乘支持向量机的水泥粒度软测量

采用最小二乘支持向量机的方法,利用现场测量的数据,建立水泥粒度软测量模型;通过交叉验证方法优化参数,并用仿真实验验证了该方法的有效性,解决了非线性、小样本、高维数等常规测量方法难以实现的问题,实现了水泥粒度的在线测量。     

集值向量拟均衡问题的ε-Global对偶

引入具集值映射的ε-Global向量拟均衡问题及其对偶问题,在广义凸性与广义Slater条件下,讨论ε-Global向量拟均衡问题的ε-Global有效解与其对偶问题的ε-Global有效解之间的关系,得到了ε-Global向量拟均衡问题的对偶定理。     

基于SVM-RFE的钓鱼网页检测方法研究

针对现有钓鱼网页检测方法存在的不足,基于后向选择算法,在信息获取、特征提取、分类器训练及检测疑似网络钓鱼网页等过程进行了优化.根据特征之间的相互关系划分等级空间,借助支持向量机回归特征消除的思想,提出了基于支持向量机的回归特征消除(SVM-RFE)对钓鱼网页进行检测的思路,设计出一种改进的钓鱼网页检测方法.最后对比不同特征维度在漏报率、误报率、识别率方面的差异,分析检测的有效性.实验结果表明:实际应用中可通过该方法准确有效地选定最优特征.     

支持向量机在视频运动目标分析中的应用

提出一种基于支持向量机的运动目标分类方法. 先将支持向量机引入分析视频运动目标中, 再在视频中筛选出简单有效的组合特征对目标进行分类. 该方法先使用混合Gauss背景模型提取前景运动目标, 获取目标的形状特征和运动特征, 再利用支持向量机对样本数据进行训练, 得到最优决策函数. 实验结果表明, 利用支持向量机和运动目标特征组合的方法进行运动目标分析实用、 有效.     

基于在线支持向量机的空对地攻击决策算法

为解决无人机对地攻击决策问题, 对影响地面目标威胁度的指标因素进行了分析和量化, 构建了基于在线支持向量的目标威胁度预测模型。利用在线支持向量机实现目标威胁度排序, 进而完成空对地的攻击决策。研究的空对地决策算法具有在线训练、 模型精确度高、 需要样本少和泛化能力强等特点, 有利于快速准确地进行空对地攻击决策。最后, 通过仿真实例验证该算法的正确性。仿真结果表明, 在线支持向量机在计算目标威胁度过程中速度快且精确度高。     

无可微性和凸性包含问题的误差界

在Banach空间中建立了一类不需要可微性和凸性条件包含问题的局部Lipschitz误差界和全局Lipschitz误差界.这个结论可以用来研究一类向量优化问题的局部误差界和全局误差界.