Machinery Condition Prediction Based on Support Vector Machine Model with Wavelet Transform

Soft failure of mechanical equipment makes its performance drop gradually,which occupies a large proportion and has certain regularity. The performance can be evaluated and predicted through early state monitoring and data analysis. The vibration signal was modeled from the double row bearing,and wavelet transform and support vector machine model（ WT-SVM model） was constructed and trained for bearing degradation process prediction. Besides Hazen plotting position relationships was applied to describing the degradation trend distribution and a 95%confidence level based on t-distribution was given. The single SVM model and neural network（ NN） approach were also investigated as a comparison. Results indicate that the WT-SVM model outperforms the NN and single SVM models,and is feasible and effective in machinery condition prediction.     

基于SCE-UA支持向量机的短期电力负荷预测模型研究

支持向量机(support vector machine,SVM)作为一种新颖的机器学习方法已成功应用于短期电力负荷预测,然而应用研究发现SVM算法性能参数的设置将直接影响负荷预测的精度.为此在对SVM参数性能分析的基础上,提出了SCE-UA(shuffled complex evolution University ...     

基于HMM SVM的中国手语识别研究

提出了基于隐马尔可夫方法的中国手语识别方法,通过对于手势的取像,图像处理,降维技术,通过应用Sugeno模糊积分,图像处理技术是计算机图形学识别的基本步骤,采用直方图的特征可以将手型的区域从背景中分离出来,然后通过降维处理,将得到的手部图像去除手部以外的区域,从而得到手的轮廓;使得不携带其他相关手套工具,达到静态简单手...     

基于主元分析与支持向量机的制冷系统故障诊断方法

利用主元分析(PCA)法提取制冷系统特征向量,对典型人工智能方法所建故障诊断模型的性能进行理论研究与应用分析,确定了以支持向量机(SVM)算法为基础的故障诊断模型;针对SVM直接解决多种分类问题的困难,分析了3种多类SVM算法,确定了基于“一对其他（One vs others）”多类SVM算法的故障诊断模型,并提出基于PCA与SVM组合的PCA SVM故障诊断模型,同时,利用实验数据加以验证.结果表明：PCA SVM模型可将16个原始变量转化为相互独立的主元,并可提取前4个主元用于故障诊断而将正常与故障的模式分离,对故障的诊断率不低于98.57%,优于单纯SVM模型,且PCA SVM模型的训练速度比SVM模型快约130~350倍;PCA SVM模型对小样本的处理能力优于BP神经网络模型,其诊断正确率较高,训练耗时较少（约1/240）.     

基于净图的多模纹理空域隐写分析

提出了一种基于净图的多模纹理空域隐写分析方法。首先将图片进行切割并按照梯度能量划分成不同的集合;然后对这些集合中的图片用小波镜像滤波器恢复和进行LSB二次攻击,并提取三维净图特征向量;最后通过One—classSVM进行训练,得到多超球体SVM。该方法的优点是训练不需要载密图像,对空域隐写分析有很好的效果,在嵌入率为1...     

Novel method of mining classification information for SVM training

Support vector machine(SVM) is an important classification tool in the pattern recognition and machine learning community,but its training is a time-consuming process.To deal with this problem,we propose a novel method to mine the useful information about classification hidden in the training sample for improving the training algorithm,and every training point is assigned to a value that represents the classification information,respectively,where training points with the higher values are chosen as candidate support vectors for SVM training.The classification information value for a training point is computed based on the classification accuracy of an appropriate hyperplane for the training sample,where the hyperplane goes through the mapped target of the training point in feature space defined by a kernel function.Experimental results on various benchmark datasets show the effectiveness of our algorithm.     

一种基于非线性回归和支持向量机的混合建模方法

针对采用单一的建模方法存在的局限性,提出了一种基于非线性回归和支持向量机的混合建模方法.该方法将模型分为两部分,一部分由简单的非线性回归模型估计对象的总体变化趋势,另一部分由一个支持向量机组合模型来描述对象的局部变化特性,最后将该组合模型与非线性回归模型叠加,构成混合软测量模型.将该建模方法应用到双酚A反应的催化剂活性软测量建模中,仿真结果表明了该方法的有效性.     

支持向量机在混凝土强度预测中的应用研究

支持向量机是基于统计学习理论框架下的一种新的通用机器学习方法.文中提出了基于支持向量机的混凝土强度预测方法,并在MATLAB中编制了相应的支持向量机程序,建立了相应的混凝土强度预测模型.以实例数据为学习样本和测试样本讨论了基于支持向量机的混凝土强度预测方法及可行性.研究表明支持向量机可以较好地表达混凝土强度与其影响因素之间的非线性映射关系.用支持向量机来预测混凝土强度是可行的,它为预测混凝土强度提供了一种新的方法.     

低倍率镜检图像无标记红白细胞识别方法研究

针对低倍率镜检图像无标记红白细胞对比度低、边缘模糊、结构不清晰、内部纹理特征不明显等特点,提出一种改进的低维特征向量识别算法。该算法通过彩色图像空间分离、逻辑或运算和形态学处理完成初步分割,针对粘连细胞,采用基于迭代腐蚀的标记分水岭方法再次分割,通过多种方法互补完成红白细胞的分割。根据红白细胞在形态、快速傅里叶变化(fast Fourier transform,FFT)以及Canny边缘检测图像的差别,提取周长、面积、FFT后的圆形度、连通域数、像素和和闭合比值6个相关特征组成特征向量用于训练支持向量机分类器。实验结果表明,在低倍率镜检图像无标记红白细胞准确分割前提下,基于6个相关特征的低维特征向量识别可以显著提高识别率,而且识别效果相对稳定,不易受红白细胞异型情况影响。     

基于多小波的北京市房屋市场价格的分析预测

针对房价波动大的数据特征,将多小波分析与房价预测问题结合,以北京市2010—2018年的房屋数据作为研究对象,探究了利用Haar小波变换、Daubechies系列小波变换以及基于过采样预处理的GHM多小波变换和CL多小波变换处理房价数据的分解重构效果,并通过对高频系数进行门限阈值量化重构处理以达到去噪的目的;建立支持向量机（SVM）预测模型,通过探究4种小波处理方法对房屋价格预测的影响结果,给出了相应预测效果更佳的数据处理方法和选择依据。