飞机噪声特性数据的方向谱集成及支持向量机预测

针对飞机声源理论模型和NPD数据的不足,给出了一种基于频谱轨迹同步测试数据回归飞机噪声辐射规律的方法。该方法将飞机的噪声声场看成是以飞机质点为中心,距离R为半径的飞机噪声频谱球面,获取飞机噪声源数据的过程就是回归球面上各点方向谱的过程。剖析了飞机噪声特性数据的方向谱集成原理,给出了测试数据的几何关系计算及频谱重建方法,建立了飞机噪声方向谱的支持向量机回归模型,实现了飞机噪声声源数据的连续预测,为全面了解飞机噪声辐射规律,开展飞机噪声环境影响评价及噪声污染防治提供了科学直观的数据基础。     

基于Gabor滤波器和模糊支持向量机的纹理分割

文章提出基于Gabor多通道滤波器和模糊支持向量机的纹理分割.采用Gabor滤波器提取特征向量,送入FSVM进行分类,并与SVM、RBF神经网络的分割结果做比较.结果表明:FSVM和SVM比RBF神经网络具有较好的泛化性能,训练时间也大大减少.此外,FSVM比SVM分类错误率低,有更强的抵抗噪声能力.     

基于用户历史及兴趣度的HC-HITS算法研究

HITS是Web结构挖掘代表算法之一.HITS算法仅考虑页面之间的链接关系,容易出现主题偏移现象.文中分析了用户历史行为与兴趣之间的关系,从四个方面近似计算用户兴趣度.提出了基于用户兴趣度的改进HITS算法(HC-HITS),对比实验结果表明HC-HITS算法减少了主题漂移现象,取得较好的效果.     

多子种群PSO优化SVM的网络流量预测

针对网络流量的时变性和非平稳性特点,为提高网络流量预测精度,提出一种“多子种群”机制的粒子群算法和支持向量机的网络流量预测模型(Multi-Subpopulation Particle Swarm Opti-mization and Support Vector Machine,MSPSO-SVM).首先支持向量机(Support Vector Machine,SVM)参数编码成粒子位置串,并根据网络训练集的交叉验证误差最小作为参数优化目标,然后通过粒子间信息交流找到最优SVM参数,并引入“多子种群”机制,解决粒子群优化(Particle SwarmOptimization,PSO)算法的早熟停滞缺陷,最后根据最优参数建立网络流量预测模型,并采用实际网络流量数据进行仿真测试.结果表明,相对于其他预测模型,MSPSO-SVM可以获得更优的SVM参数,网络流量预测精度得以提高,更加适用于复杂多变的网络流量预测.     

基于LSSVM-GPC的流化床锅炉多变量协调控制方法

为了获得良好的流化床锅炉控制品质,提出了一种基于最小二乘支持向量机广义预测控制(LSSVM-GPC)的多变量协调控制方法,以适应流化床锅炉多变量、强耦合、大滞后的动力学特性.在研究流化床机理模型的基础上,采用LSSVM算法辨识流化床模型,并将所得的决策函数转化为广义预测模型.对比结果显示,LSSVM预测模型能够准确描述对象输出特性,并有效去除测量噪声.为了解决FBC多变量预测控制中易出现的病态矩阵以及调节量动作频繁等问题,进一步利用关联分析法,设计了基于LSSVM-GPC的流化床协调控制方法.仿真结果表明,结合该方法能使锅炉负荷响应具有良好的快速性和稳定性,同时能保持床温基本稳定,并有效避免调节量的频繁变化,达到了节能优化控制的目的.     

六轴机械臂广义逆系统 SVM 辨识与控制

针对六轴机械臂系统强耦合和不易求取精确的动力学模型的特性,提出了基于支持向量机（ SVM ）辨识的广义逆解耦PID闭环控制方法。将SVM常见的3种核函数应用于机械臂实际系统的广义逆模型辨识中,通过回归预测效果和性能指标比较可知,采用高斯径向基核函数辨识的SVM模型预测输出与实际系统输出趋势一致,且得到的性能指标平方相关系数（ r2）和平均平方误差（ MSE）较好。实验结果表明,基于SVM广义逆解耦的PID控制算法能够实现对实际机械臂系统的高精度轨迹跟踪,具有工程实用性。     

基于粒子群优化支持向量回归机的黄金价格预测模型

为了克服神经网络存在的收敛速度慢、容易陷入局部极值等缺点,提出基于粒子群优化支持向量机(PSO-SVM)的黄金价格预测方法,以影响黄金价格的美元走势、世界黄金储备、石油价格等因素为输入,黄金价格为输出.用粒子群优化算法选择合适的支持向量机参数,对支持向量回归机进行训练.应用训练完成的支持向量回归机预测下一年的黄金价格.结果证明,PSO-SVM的预测精度高于BP神经网络,PSO-SVM适用于黄金价格预测.     

基于面部肌肉特征的面部表情度量方法

基于对人类表情肌活动效果的归纳,采用一种新的面部特征构造描述面部状态。以支持向量机的后验概率作为依据,提出一种基于面部肌肉特征的面部表情度量方法,并对基于不同特征和不同面部素材库的决策模型进行对比实验。结果表明,相比其他的方法,基于新特征的度量方法能够对不同的面部表情产生具有足够区分度的度量,并能够以较高的准确率提取视频文件中”最夸张”的表情。     

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.     

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.