基于人脸局部特征和SVM的表情识别

提出了一种基于人脸局部特征的表情识别方法．首先选取人脸重要的局部特征,对得到的局部特征进行主成分分析,然后用支持向量机（SVM）设计局部特征分类器来确定测试表情图像中局部特征,同时设计支持向量机（SVM）表情分类器,确定表情图像的所属类别．对JAFFE人脸图像数据库进行仿真实验．结果表明,该方法要优于一般的基于整体特征的人脸表情识别方法．     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit,APU)性能参数预测的精度,针对支持向量机(support vector machine,SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm opti-mization,PSO)算法实现对SVM惩罚参数和核参数...     

基于DPCA ALSSVR的燃气轮机负荷估算方法

燃机负荷的实时估计能够为燃机参与调峰创造重要的前提条件,针对燃机负荷的实时测算问题,提出了一种基于动态主元分析结合自适应支持向量机的燃机负荷回归估计方法.首先应用动态主元分析方法挖掘出与燃机负荷相关的主要参数,获得代表相关性程度的量化指标关联度.在此基础上,利用自适应支持向量机建立燃机负荷的回归估计模型,并通过交叉验证...     

司南酌、盘针及指南鱼新议

指南针史的重要标志——8世纪僧一行观测磁偏角已获确认,本文以此为新的立足点,进一步探索司南酌、盘针和指南鱼等问题.磁针指南的发现早于磁石指南.司南酌的磁针最初得自"磁石引针",后来革新为"以磁石磨针锋",方家的师承家法和朝廷的禁令使其长期秘而不宣.沈括的《梦溪笔谈》之前,北宋堪舆家廖瑀已明文记载"以磁石磨针锋".唐代磁...     

改进的极小极大概率终端学习机

极小极大概率机(Minimax Probability Machine, MPM)、极小极大概率终端学习机(Minimax Probability Extreme Learning Machine, MPELM)和孪生极小极大概率终端学习机(Twin MPELM, TMPELM)在不对数据分布进行具体要求的情况下,可以为泛化误差提供明确的上界,同时使经验风险极小化。目前,MPM算法、MPELM算法和TMPELM算法主要是通过求解二阶锥规划模型的内点算法实现。本文利用支持向量机思想和凸二次规划的Wolfe对偶形式,对已有的MPM算法、MPELM算法和TMPELM算法进行了改进,并提出了三个新算法。实验结果表明,本文所提算法是有效和可竞争的。     

框筒结构的简化分析模型

将楼层整体变形分为剪切变形和弯曲变形,用壁式框架D值法和等效连续体法,对在侧向荷载作用下框筒结构进行简化分析.在考虑翼缘框架对剪切变形影响的前提下,应用壁式框架D值法对整体剪切变形进行分析;在考虑剪力滞效应的前提下,用等效连续体法推导剪力滞系数,分析整体弯曲变形.算例结果表明,简化计算与空间框架计算的结果接近,各柱轴向应变的误差在2%～8%之间,水平位移误差在10%之内.     

基于SVM的瓦斯体积分数混沌时间序列预测

文章针对瓦斯体积分数时间序列的非线性和不确定性特征,提出了一种基于SVM的混沌时间序列预测方法.该方法采用改进的最大Lyapunov指数法识别时间序列的混沌特性,通过多次试验选取合适的参数构造SVM预测模型,最后使用优化的预测模型对φ瓦斯的变化趋势进行预测.仿真结果表明,该模型能够较好地解决φ瓦斯时间序列的预测问题,与RBF神经网络模型相比,具有较高的预测精度.     

基于GA和Bootstrap的最小二乘支持向量机参数优选

支持向量机是一种新型的学习方法,该方法以结构风险最小化原则取代传统机器学习中的经验风险最小化原则,在小样本的机器学习中显示出了优异的性能.传统的支持向量机是解凸二次规划问题,而最小二乘支持向量机是解等式线性方程,显得尤为方便.针对最小二乘支持向量机的特点,通过Bootstrap建立适当的性能指标,用遗传算法(GA)优化最小二乘支持向量机的有关参数,并在非线性经济系统中应用.用最小二乘支持向量机对非线性经济系统进行预测的结果与神经网络预测的结果比较证明,该模型的预测精确度是令人满意的,文中提出的方法是可行的.     

基于改进支持向量机的飞机空气循环系统仿真模型及故障分析

为了有效地识别飞机空气循环系统组件是否发生故障,区分故障类型,并作出对应的维修策略,提出一种基于改进支持向量机的飞机空气循环系统故障诊断方法;首先建立飞机空气循环系统仿真模型,然后将支持向量机运用于飞机空气循环系统,引入蚱蜢优化算法、位置随机偏移机制和模拟退火算法,对支持向量机进行参数优化,最后参考最优参数对飞机空气循环系统仿真模型进行训练。结果表明,建立的飞机空气循环系统仿真模型可以模拟不同情况下飞机空气循环系统主要组件的出口温度以及故障发生时的出口状态,加入蚱蜢优化算法等优化方式的支持向量机系统达到了简化调节参数、加快收敛、提高收敛精度的目的,可以根据多样本数据进行训练,完成故障分析。     

基于改进量子遗传优化支持向量机的配电网故障分类

针对传统方法在解决现代配电网故障分类时存在的求解速度慢、分类精度差的问题,提出一种结合量子遗传算法的支持向量机配电网故障分类方法。首先采集故障信号并进行S变换处理,将处理结果的均方根与均值作为特征量,以提高特征量辨识度;其次在量子遗传算法的种群更新策略中引入自适应动态旋转角,避免算法在早期陷入局部收敛,增加算法的调参精度。以IEEE33节点配电网模型为研究对象的实验结果表明,所提的特征量提取方法有效提高了支持向量机的故障分类精度,改进后的量子遗传算法通过为支持向量机寻到更优参数从而进一步提高了故障的判别精度和分类速度,验证了方法的有效性与准确性。