基于TLSmote-SVM的非均衡用户窃漏电诊断算法

针对支持向量机(support vector machines,SVM)检测异常用电用户精度受样本非均衡性和核函数选择影响的问题,提出一种基于TLSmote-SVM(tomekLink-smote-SVM)的窃漏电诊断模型.首先基于用电用户数据分布,利用Smote方法扩充少数类样本,同时采用Tomek-link剔除噪声...     

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.     

基于SVM的虚拟人彩色切片图像自动分割

为实现对数字虚拟人彩色连续切片的自动分割,提出了一种基于支持向量机的自动分割方法.该方法首先利用虚拟人连续切片图像间在颜色、纹理等特征的相似性,使用支持向量机分类方法对相邻图像进行分割.在分割结果达不到预定允许最小相似度条件或一次训练结果用于连续分割切片次数达到给定的最大允许次数时,则再利用相邻切片在空间上的相似性,自动对当前切片进行重新采样,然后继续训练、分割.使用虚拟中国人女性一号(VCH-F1)数据集中切片图像进行实验,对比研究了允许的最小相似度测度及允许最大连续分割次数对分割质量和分割时间的影响,并给出了受噪声污染图像的自动分割结果.该方法能有效实现对虚拟人连续切片图像的自动分割,能在保证一定分割质量的同时,兼顾分割速度,并能较好地克服噪声影响.     

4WS车辆μ综合鲁棒主动侧倾操纵性能控制

为提高车辆的抗侧倾性能及降低高速下的侧翻危险性,应用μ综合鲁棒控制理论,针对四轮转向车辆,以横摆角速度跟踪和侧倾角速度反馈为控制逻辑,合理选择加权函数,设计鲁棒控制器和最优控制器抑制车辆侧倾.经仿真比较,设计的μ综合鲁棒控制器更具有良好操纵性能鲁棒性和稳定鲁棒性,对于轮胎侧偏刚度等引起的侧向干扰具有很好的抑制性能,实现传统四轮转向难以实现的主动侧倾操纵控制和跟踪性能.     

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%。     

关于支持向量机参数选择方法分析

在分析支持向量机(SVM)原理基础上,分析了SVM中核函数、核参数及惩罚参数C的影响。介绍了两种SVM参数选择方法,作了深入比较,并提出了一种改进的最优化方法。     

金属-有机框架在锂离子电池正极材料中的应用

金属-有机框架(MOFs)材料具有容易制备、高孔隙率、容量大、种类丰富等优点,在能源储存和转化领域受到广泛关注,是合成高性能电极材料的潜在模板.本文介绍MOFs直接应用于锂离子电池正极材料的研究进展,重点综述了MOFs衍生材料(硫化物、氟化物、聚阴离子型化合物或锂的过渡金属酸盐)的制备方法,及其在锂离子电池正极中的应用.最后总结MOFs及其衍生材料在锂离子电池正极材料的应用方向及发展前景,为新型电极材料的开发提供参考经验.     

鲸鱼优化相关向量机的网络控制系统变采样周期调度

针对资源受限的网络控制系统,提出一种基于鲸鱼优化相关向量机的变采样周期调度算法。通过网络监测模块获取网络带宽与数据传输时间数据,建立鲸鱼优化相关向量机的预测模型,实现对网络带宽及数据传输时间的预测。采用模糊推理计算系统各回路通信带宽的分配权重,进而结合通信带宽及数据传输时间的预测值对各闭环回路的采样周期进行计算,完成采样周期的实时调节。仿真结果表明,在资源受限条件下,所提算法保证了系统的稳定性与控制精度。     

基于改进的局部保持投影的战时备件分类

为提升战时合成部队备件保障效能,需对其进行有效分类,以便开展备件的预储预置。针对备件种类多、时效性强、影响分类因素复杂的现实问题,提出了基于改进的局部保持投影的备件分类方法。首先,根据战时备件分类储备的影响因素,作为备件分类的特征指标,其次,利用改进的局部保持投影的降维方法对备件原始特征数据进行特征降维,得到低维特征向量。再利用支持向量机（support vector machine,SVM）的分类器对低维数据进行分类。并通过量子粒子群对SVM的核函数参数进行寻优,提升备件分类精度,得到满足备件分类准确率最优时的降维维数和分类器参数。最后,通过对演习装备备件分类的实例分析,验证了模型的可行性和合理性,并对比分析了其他分类方法,表明该方法能够较好地解决战时备件分类的问题。     

基于高维特征选择的跳频电台细微特征识别

将高维特征用于跳频电台细微特征个体识别具有很大优势,为了增强对跳频电台的分类识别能力,需要增加特征类型和维数,提高特征集的表征能力,但同时会引入大量冗余特征,导致分类器计算时间过长,分类正确率降低。为了降低高维特征集维数,首先采用相关性快速过滤特征选择算法,删除高维特征集中的不相关冗余特征,得到最优特征集。然后利用经过参数优化的支持向量机(support vector machine, SVM)分类器进行训练分类。实验表明,所提算法能够对高维特征集进行合理的降维,提高了SVM的分类器的分类性能,在保证分类正确率的基础上,降低了运算量,提高了跳频电台细微特征识别的时效性。