基于遥感影像光谱分析的蓝藻水华识别方法

利用Landsat-7 ETM+遥感影像数据,以淀山湖为例,在分析蓝藻和其他典型地物影像光谱曲线及其特征的基础上,构建归一化蓝藻指数(NDI_CB),有效地从浑浊水体中提取蓝藻信息.通过k-均值非监督分类结果可以发现,构建的归一化蓝藻指数较传统的归一化差值植被指数(NDVI)和比值植被指数(RVI)更加适用于提取低密度蓝藻空间分布信息.在此基础上,基于遥感影像光谱特征和归一化蓝藻指数,采用了支持向量机的分类识别模型,最终得到淀山湖区域蓝藻的空间分布范围与面积,通过发现在某一特定时间蓝藻分布的规律,为蓝藻预警和治理的生态学分析提供了及时、有效和客观的依据.     

使用伪氨基酸组成和BP神经网络预测类弹性蛋白多肽的相变温度

根据获得的16条ELP序列及相变温度的数据,利用伪氨基酸组成方法提取其序列特征值.将伪氨基酸组成中的相关系数部分作为类弹性蛋白的特征向量,从类弹性蛋白序列出发,利用最小中位方差回归,找出与其序列相关系数的最佳阶数.运用均匀设计法,分别对支持向量机与BP神经网络参数进行优化.结果表明:BP神经网络获得的预测模型最佳,相变...     

一种基于支持向量机的数字音频认证方法

提出一种基于数字水印技术的音频内容认证方法.选取稳定的梅尔倒谱特征构造特征向量,利用支持向量机自适应地选取合适的帧进行水印的嵌入和提取.结果表明,算法在保证嵌入水印的不可感知性的同时,能够有效地区分恶意的内容篡改和非恶意的常规信号处理操作,准确地定位篡改发生的位置.     

基于双谱和PSO-SVM的滚动轴承故障诊断

针对故障轴承信号的非线性、非高斯性,提出了一种基于双谱和纠错编码支持向量机（error-correcting output codes support vector machine,ECOC-SVM）的滚动轴承故障诊断方法。使用故障轴承振动信号双谱特征构造特征向量,在SVM的训练过程中,使用微粒群算法（particleswarm optimization,PSO）对支持向量机的参数进行优化。实验结果表明该方法能获得较高分类准确率。     

BEPCⅡ储存环前室真空盒的研制

"BEPCⅡ储存环前室真空盒的研制"项目属于北京正负电子对撞机重大改造工程(BEPCⅡ)工程中一项重要任务.BEPCⅡ改造的目的是在原BEPC隧道中新增一环,形成双环对撞,实现一机两用(即高能物理和同步辐射两用).由于设备安装空间非常紧张,同时要保持并增加同步辐射光束线,受限条件多,改造设计难度巨大.BEPCⅡ设计对撞亮度比原来(BEPC)高30～100倍,性能指标国际领先.     

防倾翻装置在集装箱正面吊运机上的应用

设计了一种堆码、装运港口集装箱的机械,具体为一种集装箱正面吊运机防倾翻装置.其特点是通过特殊加工的转轴在带有长形内孔的钢套中上下运动,并用接近开关检测这种运动的距离,当超出安全距离时,控制器发出断电保护指令,停止危险方向动作输出.这种结构方式控制精确、稳定可靠,而且利用后桥的铰接摆动功能,使整车在不平路面也能平稳行驶....     

基于模糊支持向量的多标签分类方法

单实例多标签分类是指一个样本拥有多个标签的分类问题,对此提出了一种基于半模糊核聚类和模糊支持向量机的多标签分类算法.该算法采用一对一分解策略将多类多标签数据集分解为多个两类双标签数据子集,在每个子集上训练两类双标签模糊支持向量机.为提高分类器的性能引入了半模糊核聚类技术.实验结果表明,与现有的一些算法相比新算法具有其优...     

基于模型迁移和SVM的煤矿电网单相接地电容电流预测方法

针对智慧化矿山背景下煤矿电网单相接地电容电流预测精度低和智能预测实现困难的问题,提出了一种单相接地电容电流智能预测方法。采用模型迁移思想扩充矿用橡套软电缆的电容电流样本数据,以解决智能预测中电容电流数据不完备的问题;基于Sobol’敏感性方法分析了影响单相接地电容电流的关键因素及其各因素的交互关系,确定智能预测模型输入特征量;在此基础上,通过基于稀疏技术的支持向量机建立煤矿电网单相接地电容电流智能预测模型,并引入鲸鱼算法优化预测模型超参数,克服了电容电流数据样本容量小的不足。采用厂家测试数据及多家煤矿电网现场实测数据进行试验,结果表明：电缆绝缘层外径和绝缘层内径是影响单相接地电容电流的关键因素;所提方法预测煤矿电网单相接地电容电流的平均误差为2.26%,相较于现有预测方法,误差分别下降了34.19%,24.91%和7.40%。该方法实现了煤矿电网单相接地电容电流的准确预测,并为其智能化预测提供了新思路。     

基于支持向量机的典型宽带电磁干扰源识别

由于民航周围电磁环境复杂, 一旦产生电磁干扰(electromagnetic interference,EMI), 就不易被排查, 特别是随机性较强的宽带干扰。对此, 提出一种基于支持向量机(support vector machine, SVM)的干扰源识别方法。通过实时测量干扰信号的频谱数据, 并分析其特点, 选择包络因子、频谱能量、频谱峰值、均值和方差5个特征向量, 用主成分分析法降低数据冗余程度, 最后采用SVM来判断干扰源类型。仿真结果证明, 所提算法能有效识别6类典型机场宽带干扰源, 识别精度可达98.33%。     

一种改进的嵌入式特征选择算法及应用

针对非线性多分类问题,提出了一个改进的嵌入最小-最大值特征选择算法,并与支持向量机算法结合,提出了针对复杂的组合优化问题的启发式算法.为验证方法的有效性,在钢板缺陷识别工程数据集上进行了实验,表明所提出的方法具有较高的求解速度和预测准确度.