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．     

参数优化支持向量机的农业大棚温室温度预测模型

利用支持向量机核函数linear,polynomial,radial basis function和sigmoid,通过粒子群算法对惩罚参数c和gamma寻优,建立农业大棚温室温度预测模型.试验结果表明:通过粒子群算法设定惩罚参数c为14.392,gamma为0.01时,得到的P_RBF预测模型对由24个测试时间所测数据组成的训练集拟合程度达90.849%,对加入随机影响因子的由5个测试时间所测数据组成的预测集拟合程度达90.545%,显示该预测模型具备相当的鲁棒性;P_RBF模型对温室内温度预测具备相当的可靠性,可以准确预测温室内温度变化趋势,解决温室控制系统中温度难以预测的问题.     

基于离散元的盾构开挖面合理支护压力

采用离散元法(DEM)对无水砂土地层(摩擦角37°)3种埋深条件下盾构隧道开挖面的颗粒流动及渐进性破坏过程进行了模拟,分析研究了开挖面极限支护压力及周围地层扰动分布的变化规律,得到:①不同埋深条件下,开挖面极限支护压力均出现在开挖面位移为0.06D(D为隧道直径)时,对应支护压力比为10%~20%,砂土强度软化现象导致最终极限支护压力增大.②支护压力比降至40%~50%为剧烈地层扰动及显著地表变形的触发点.当开挖面支护压力比降低至40%~50%时,地层扰动范围和程度对隧道埋深非常敏感,如埋深由2D降低至0.5D时,扰动范围扩大了3倍,最大扰动程度提高了1倍;地表产生明显大幅沉降.③基于极限破坏的支护压力比为10%~20%,而基于变形控制的支护压力比为40%~50%,虽明显大于前者,但支护压力仅为静止土压力的40%~50%.综合考虑盾构刀盘磨损及地层支护效果,在无水砂土地层中采用支护压力比为40%~50%是一种合理选择.     

基于AP算法支持向量机的设计与应用

设计一种基于AP聚类算法和SVM分类器相融合的新的混合分类器, 使用AP聚类算法优化数据集, 得到了高质量、 小样本的SVM分类器训练集. 实验结果表明: 与传统的SVM分类器相比, 混合分类器具有更高的分类精度; 在心脏病预测上, 该分类器的效果较好.     

基于支持向量机的景象匹配区选择方法

考虑景象匹配区选择结果与参考图像信息之间的联系与制约,提出了基于支持向量机的景象匹配区选择方法.首先合理选择基于灰度和基于特征的2级测度参数,准确有效地表示参考图图像信息;其次将多个测度参数归一化组成样本集的输入属性向量,并使用去均值归一化算法得到匹配结果作为样本集的输出;最后选择合适的核函数与最佳参数训练样本集数据,得到具有自动区分景象适配区与非景象匹配区能力的决策函数,并用其分类实现任意候选参考图的匹配区选择.实验结果表明该方法具有较大的适应性和抗干扰性,能够对复杂参考图的匹配区选择进行正确决策指导.     

用支持向量机实现尺度和旋转不变性纹理分类

提出了一种简单的尺度和旋转不变性纹理分类方法．首先使用对数-极坐标变换对要分类的各纹理图像进行变换,生成对数-极坐标图像;然后以对数-极坐标图像的正则化以后的行投影数据向量构成纹理图像的特征向量;最后运用支持向量机实现尺度和旋转不变性纹理图像的分类．实验结果表明,该方法在尺度和旋转不变性纹理图像的分类中,准确率可达90％以上．     

液压支架姿态的监测与控制

分析了液压支架姿态与围岩破坏的关系,提出液压支架姿态的监测方法和手段,结合现场实际,确定出液压支架姿态控制的合理范围。     

基于动柔度矩阵和支持向量机的井架损伤识别技术

动柔度矩阵是结构损伤检测的有力工具.支持向量机是在统计学习理论上发展出的一种学习机器,其针对小样本分类识别性能优越.提出了一套基于支持向量机和动柔度矩阵的损伤识别技术.对JJ160/41-K型石油井架模型进行了损伤实验研究,利用实验数据构建了分类识别支持向量机,并以数值仿真计算,验证了该技术的有效性.     

松散沙层复合土钉支护作用机制的实例分析

复合土钉支护是土钉与预应力锚杆(索)、搅拌桩(止水帷幕)、微型钢管桩等支护形式中的一种或几种加固支护型式相结合而成.但整体作用机理并非各部分支护的简单叠加.本文主要结合一个复合土钉支护工程实例,来分析复合土钉支护中各部分支护形式所起的作用及计算原理.土钉是主要的受力结构;预应力锚杆可抵消掉一部分土压力,有效减少支护土体上部的水平位移;搅拌桩主要起止水帷幕作用,同时有利于坑底的抗隆起作用;微型桩能起到增强坑壁刚度的作用,减少坑顶水平位移和沉降.     

一种基于向量的鲁棒ARMA系统辨识器

提出一种新的基于向量方法的自回归和运动平均(ARMA)模型系统辨识器,并给出了其参数的统计分析模型.应用结果表明,向量ARMA算法和最小二乘法LS算法相比,在一定条件下,其预测误差精度提高了约1.2 dB;且该系统模型不受分离向量参数的影响.使用非线性函数核,系统将会成为一个鲁棒的非线性辨识过程.