基于双JPEG压缩统计特性的图像篡改检测方法

为有效识别和检测数字篡改图像,提出一种新的基于双JPEG压缩统计特性的检测方法．这种方法是通过检测双JPEG压缩图像的图像块先前的量化矩阵来实现．首先,定义在两次压缩时,出现在单独的DCT系数直方图的一些特性．然后,使用支持向量机来估计双压图像的初始的量化矩阵,有不同量化矩阵的图像块便是值得怀疑的区域．最后,基于大量不同的双压图像集,用一系列的实验来验证本方法的性能及可靠性．     

基于量子进化支持向量机的模拟电路故障诊断

基于量子进化算法的最小二乘小波支持向量机(LS-WSVM),设计了一种模拟电路故障诊断方法.将量子进化算法应用于多类LS-WSVM分类器来选取正规化参数和核参数,针对从测试点得到的各种故障状态下输出电压信号,采用小波提升变换对其进行分解获取多尺度的小波系数,对经处理的小波系数提取出故障特征量,以此作为样本训练多类LS-WSVM分类器来确定模拟电路故障诊断的模型.采用雷达扫描电路进行了仿真,结果表明,设计的模拟电路故障诊断方法效果良好.     

柏叶口堆石坝面板混凝土施工技术探讨

简要介绍了柏叶口堆石坝面板混凝土工程概况,从混凝土配合比、滑模机具、养护措施及整体施工工艺等方面对面板混凝土施工技术进行了探讨。     

基于减法聚类的带钢厚度数据驱动建模

针对轧钢生产中大批过程数据没有被用于提高厚度质量的现象,提出了一种基于减法聚类的带钢厚度数据驱动在线建模方法.首先通过减法聚类将输入空间划分为一些小的局部空间,在每个局部空间中用最小二乘支持向量机建立子模型,子模型加权输出作为带钢厚度的离线模型;然后当在线数据不断增加时,通过在线减法聚类算法实时调整局部空间,子模型的参数采用最小二乘支持向量机的递推算法进行相应的在线辨识,子模型的预测输出作为模型的最后输出.实验结果表明,该方法具有良好的预测精度和较强的在线学习能力.     

基于样条函数的光滑支持向量机模型

应用光滑函数改进支持向量机模型,得到无约束条件、可微的二次规划问题,从而可以采用快速的最优化算法求解光滑支持向量机模型.提出了一种广义三弯矩方法,用这个方法构造出新的五次样条光滑函数和七次样条光滑函数.证明了上述两个样条光滑函数的逼近精度均高于已有的各种光滑函数;基于上述两个样条函数的光滑支持向量机模型的收敛精度也高于已有的各种光滑支持向量机模型.     

基于二叉级联结构的并行极速学习机算法

为解决因庞大的矩阵存储和计算,ELM（Extreme Learning Machines）难以应用到大规模、高维数据集的问题,提出一种基于“分而治之”策略的并行极速学习机算法。
该算法利用二叉级联结构,将大规模数据集分派到多个计算节点上,并行地更新单隐层前馈网络的输出权值,且能有限步地单调收敛到最小二乘解。实验结果表明,该算法不仅泛化性能优异,并且具有非常高的加速比和并行效率。     

基于物理化学性质的葡萄酒质量的可视化评价研究

提出了一种可视化的方法评价葡萄酒质量。葡萄酒数据来自于认证阶段的物理化学分析测试,其中输入变量是11个,输出变量是葡萄酒质量,共得到1599个的红葡萄酒样本和4898个的白葡萄酒样本。结果表明该方法的效果优于传统的神经网络和支持向量机方法,并且具有可视化的优点。这对于改进酿酒品酒评价和葡萄酒生产都有重要意义,并且对根据消费者口味细分目标市场也很有帮助。     

基于GMDH-PSO-LSSVM的国际碳市场价格预测

针对国际碳市场价格预测LSSVM建模输入节点和模型参数难以确定的问题, 建立了基于数据分组处理方法(GMDH)-粒子群算法(PSO)-最小二乘支持向量机(LSSVM)的国际碳市场价格预测模型. 首先利用GMDH算法获得LSSVM建模中的输入变量; 其次应用PSO算法对LSSVM建模中的参数进行优化, 进而使用训练好的LSSVM模型对测试样本进行预测; 最后采用该模型对欧盟排放交易体系(EU ETS)两个不同到期时间的碳期货价格(DEC 10和DEC 12)进行实证分析, 取得了令人满意的效果.     

遗传算法优化最小二乘支持向量机的故障诊断

提出一种基于遗传算法分层优化多类最小二乘支持向量机(least squares supportveotor machine,LS-SVM)的故障诊断模型。首先将故障信号经验模态分解(empirical mode decomposition,EMD)为平稳本征模态(intrinsic mode function,I MF)分量,再选择表征故障调制特征的I MF分量并提取瞬时幅值能量作为故障特征输入到遗传算法分层优化好的采用多项式核的多类LS-SVM中进行故障识别。EMD分解可自适应分离故障调制信号;瞬时幅值能量矢量的不同表征各类故障的可分性;遗传算法分层优化惩罚因子和多项式核参数可以使LS-SVM摆脱对故障类型与模式编号映射关系先验知识的依赖,提高LS-SVM的故障预测精度和自适应诊断能力,并可以推广应用于线性、径向基、Sigmoid等核条件下的LS-SVM优化。一个深沟球轴承故障诊断实例说明该模型的有效性。     

电化学砂带超精加工表面质量预测与加工参数确定

电化学砂带超精加工(ECBS)轴承滚道比传统油石超精法在加工质量及加工效率上具有优势,但其加工效果受很多因素和复杂的动态关系影响.为预测加工质量和选择加工参数,基于最小二乘支持向量机(LS-SVM)理论,在ECBS实验基础上建立了加工参数问多元回归非线性智能化预测模型.结合正交实验,评价了光整加工参数对表面粗糙度的影响,并获得训练预测模型所需的数据样本.研究结果表明:预测值和实验值具有较好的一致性,表面粗糙度预测值的平均绝对百分误差为3.33%,电流密度预测值的平均绝对百分误差为2.52%.