一种新的氧化铝质量分数建模与控制策略

针对氧化铝质量分数的建模与控制问题,提出一种新的基于最小二乘支持向量机(LS-SVM)和预测控制的建模与控制策略。首先,针对LS-SVM建模时的参数选取问题,提出一种基于混沌优化的CHAOS LS-SVM算法获得最优氧化铝质量分数预测模型。然后,提出一种基于LS-SVM的氧化铝质量分数预测控制算法,采用混沌优化在线求解最优控制律。仿真结果表明:CHAOS LS-SVM算法建立的氧化铝质量分数预测模型,其泛化能力要比基于神经网络(NN)的氧化铝质量分数预测模型的强;基于LS-SVM的氧化铝质量分数预测控制算法,其控制精度要比基于NN的氧化铝质量分数预测控制算法的高。     

提升小波尺度自适应非线性预测算子构造方法

提出一种提升小波尺度自适应非线性预测算子的构造方法.通过相空间重构将剖分信号转换成训练样本,采用基于高斯核函数的支持向量回归机算法进行回归训练,给出所构造预测算子的结构,并说明基于高斯核函数实现最小均方误差原则的机理.通过仿真实验验证用所构建预测算子在故障诊断时具有较好的识别能力和较强的抗噪能力,在信号降噪时信噪比较高、效果良好.     

一种提高SVM分类速度的新方法

提出一种改进的支持向量机分类方法.通过引入分类圆心、分类半径、分类圆心距等概念,从而更加快速准确地删除非支持向量点,引入混淆度的概念,解决如何在样本严重混淆时进行剔除混淆点,保证算法的泛化性.实验证明,采用这种改进的算法能够在严重混淆的训练样本中保证准确度的同时提高支持向量机分类速度.     

基于超球面支持向量机的综合传动状态判别

以油液光谱分析数据为基础,建立了基于超球面支持向量机的综合传动状态判别模型。利用主成分分析法,对油液光谱分析数据进行预处理,并进行主成分提取的研究分析。研究了参数的变化和异常样本对模型性能的影响。实验研究表明,基于超球面支持向量机的状态判别模型准确可行,能实现综合传动的状态判别。     

基于Fisher准则的SVM参数选择算法

支持向量机(support vector machine,SVM)分类性能主要受到SVM模型选择(包括核函数的选择和参数的选取)的影响,目前SVM模型参数选择的方法并不能较好地确定模型参数。为此基于Fisher准则提出了SVM参数选择算法。该算法利用样本在特征空间中的类别间的线性可分离性,结合梯度下降算法进行参数寻优,并基于Matlab实现选择算法。实验结果表明参数选择算法既提高了SVM训练性能,又大大减少了训练时间。     

一种基于信息熵数据修剪的支持向量机:EB-SVM

支持向量机在处理分类问题时,如果两类数据重叠严重会造成分类器过学习,降低泛化性能。为此提出了一种基于信息熵的数据修剪支持向量机EB-SVM(entropy based-support vector machine),其主要思想是通过计算样例信息熵删除部分边缘数据和边界处混淆程度较高的样例以及噪声数据,用较少的训练样例学习SVM分类器。实验结果表明,该方法能够有效提高SVM的泛化性能。     

地下卷取机侧导板的控制系统

地下卷取机侧导板每边由一个液压缸通过伺服阀单独控制,两个位置传感器用于侧导板开口度控制,四个压力传感器用于其压力调节,每种控制方式必须在HMI上进行选择,选择不同方式可进行许多种组合完成所需要的功能。本文主要探讨地下卷取机侧导板的控制系统。     

工件可拒绝的在线同类机排序

针对带有惩罚费用的工件在同类平行机上的在线排序问题,目标函数为极小化被接收工件的最大完工时间加上被拒收工件的总拒绝费用,给出了一在线算法,证明了该算法的竞赛比不超过,有Z^on/Z^OPT≤1＋ρ。     

基于支持向量机预测的时序多属性决策法

针对时序多属性决策问题中的预测量大且时间样本有限的特点,以各决策单元的属性时间序列为样本数据,进行多变量时间序列相空间重构,建立用支持向量机预测未来属性值方法,进而提出综合考察决策单元的过去、现在与未来的情况下进行更科学、合理的时序多属性决策方法.     

基于HSI空间和纹理的频谱度量的印鉴识别

印鉴在东方国家和地区的应用非常广泛,尤其在我国的应用更为广泛,从而导致伪造印鉴的犯罪活动屡禁不止。为了实现大量印鉴的自动识别,已经提出了许多方法,这些方法主要根据边缘和模板匹配的方法实现的,其匹配过程需要调整印鉴的旋转角度。以印章图像为研究对象,采用HSI色彩空间来描述,它比RGB色彩空间更符合视觉特性,并且可以大大简化图像分析和处理的工作量。运用HSI色彩空间对印章图像颜色特征提取等一系列预处理,研究了多种识别方法后发现基于纹理特征的印鉴识别方法不但速度快,而且识别率也较高,并且方法简便。通过将极坐标和傅里叶变换结合,计算出印鉴图像纹理的频谱度量,来完成印鉴的特征提取,运用支持向量机分类器对印鉴进行识别,实验证明,方法具有良好的旋转不变纹理分析性能,提高了识别率。