基于PCA和LS-SVM的软测量建模与应用

针对工业过程中某些重要过程变量难以实现实时在线检测和高维数据处理的问题,提出了将主元分析与最小二乘支持向量机相结合的软测量建模方法,并利用该方法建立了工业阿维菌素发酵过程中的菌丝浓度软测量模型.主元分析方法的引入,有效地提高了最小二乘支持向量机软测量模型的精度和泛化能力.应用结果表明,该方法与基于径向基函数神经网络软测量模型相比具有有效性和优越性.     

浅析企业数据仓库与联机分析处理及数据挖掘技术的应用

文章针对企业对信息系统数据挖掘的需求，提出了基于数据仓库，应用联机分析处理及数据挖掘技术的计算机辅助决策支持系统的模型，并对数据仓库、联机分析处理及数据挖掘技术的应用进行了分析。     

汇率预报的非线性组合建模与预测方法研究

近年来的经济统计研究表明,组合预测比单项预测具有更高的预测精度,但线性组合预测方法在汇率的组合建模与预测方面存着较大的局限性。本文提出了一种基于支持向量机回归(SVM)的汇率非线性组合建模与预测新方法,并讨论了建模中SVM核函数、损失函数的选取和容量控制等问题。对于英镑、法郎、瑞士法郎、日元对美元等汇率时间序列的组合建模与预测结果表明,该方法具有很强的学习与泛化能力,在处理外汇市场这种具有一定程度不确定性的非线性系统的组合建模与预测方面有很好的应用价值。     

滑坡堆积体滑带土强度参数反算研究

根据滑坡堆积体的特点,提出一种新的反算滑坡堆积体滑带土强度参数的方法—差分进化支持向量机方法.该方法在滑面位置已经查明的情况下,建立堆积体稳定性计算模型,根据堆积体变形情况确定计算剖面的稳定性评价指标.利用均匀设计方法,构造2因素25水平的计算方案,采用极限平衡分析计算出各剖面在不同c、φ值下的安全系数,将其作为学习样本.通过支持向量机学习,建立参数与安全系数之间的非线性映射关系,基于这种关系,利用差分进化算法搜索滑带土强度参数.以溪洛渡水电站左岸谷肩堆积体为例,采用基于极限平衡法的差分进化支持向量机方法反算滑带土强度参数,利用反算出的强度参数,对堆积体的稳定性进行分析.研究表明,计算出的安全系数与稳定性评价指标误差较小,说明该方法效果良好,适用于反算滑坡堆积体滑带土强度参数,对工程具有指导意义.     

基于支持向量机的P2P流量管理模型设计

对P2P的网络流量进行识别是P2P研究领域中的一个重大难题,为了实现对其管理,提出了一种基于支持向量机(SVM)的P2P流量分类管理模型.首先获取P2P网络流量数据,然后将获取的样本数据输入SVM并对SVM进行训练,最后将测试样本数据输入SVM进行P2P流量分类管理.仿真实验证明了该方法具有较高的检测率和较低的漏报率.     

作战辅助决策系统信息融合关键技术

作战辅助决策是当前提高作战指挥效能和效率的重要手段。为建立一个作战信息融合环境,辅助指挥员进行较为深入的作战决策问题探讨,以作战辅助决策信息融合系统为背景,分析了系统的体系结构及功能,并从三维地理环境模型的建立和智能人机交互两方面对系统实现的关键技术进行了研究。     

基于灰色信息的支持向量域分类算法

当被识别的样本包含有未确知性的灰信息时,传统的SVDD算法无法对其类别作出判别.针对这一问题,并考虑到SVDD算法是一种基于样本间距离测度的判别方法,提出了一种针对灰信息样本进行判别的支持向量域数据描述算法-GSVDD算法,该算法利用区间数对未确知性的灰信息进行表达,将区间运算引入到SVDD算法中,以区间距离取代原来的确定性距离,从而对灰信息目标样本进行识别.理论分析和实验结果均表明,该算法是有效和可行的.     

基于改进多核学习的多传感数据分类方法研究

物联网（internet of things,IoT）技术中结合多个数据源互补信息提高数据分类准确率的研究受到了越来越多的关注。针对物联网无线传感器采集到数据的多源异构特性,给出了一种基于改进多核学习支持向量机（improved multi-kernel learning-support vector machine,IMKL-SVM）的IoT数据分类方法。传统的多核学习方法中核函数主要是采用经验法选取核函数类型及参数,本文改进方法在确定核函数类型及参数时分为两步：首先采用交叉验证方法初步确定核函数类型及参数;其次在第一步结果中利用支持向量机（SVM）同时训练样本和优化多核函数的类型及参数。实验中针对温度、湿度、光照、大气压力等4种数据设计了两组数据——第一组数据被标记为上午、中下午、傍晚、夜间4类,第二组数据被标记为白天、傍晚、夜间3类,比较了本文的IMKL-SVM方法、单核SVM方法及传统MKL-SVM方法在两组数据集上的分类准确率。此外,针对UCI公开数据集AReM进行了分类实验,实验结果表明IMKL-SVM方法针对具有多源异构特性的物联网数据实现了较高的分类准确率。     

大型水轮机推力轴承支架结构优化设计

本文通过对大型水轮机推力轴承支架结构特点的分析,提出了大型水轮机推力轴承支架结构优化设计的数学模型.这是一个有尺寸、应力及位移约束的结构优化问题.本文采用复合形法迭代求解,采用自编的推力轴承支架的结构分析和优化设计的程序系统进行计算,得出最优解.     

多输出支持向量回归算法

支持向量机是一种基于统计学习理论的新颖的机器学习方法,由于其出色的学习性能。该技术已成为当前国际机器学习界的研究热点．这种方法已广泛用于解决分类和回归问题．在回归中。目前的研究和应用都限于单输出的情况,而实际中有很多属于多输出回归问题．针对这一点,将支持向量回归算法推广到多输出情况．仿真实例说明了该算法的可行性．