Drifting model approach to modeling based on weighted support vector machines

This paper proposes a novel drifting modeling (DM) method. Briefly, we first employ an improved SVMs algorithm named weighted support vector machines (W_SVMs), which is suitable for locally learning, and then the DM method using the algorithm is proposed. By applying the proposed modeling method to Fluidized Catalytic Cracking Unit (FCCU), the simulation results show that the property of this proposed approach is superior to global modeling method based on standard SVMs.     

引进无梭织机应考虑的问题

对引进新型织机过程中涉及的经济、技术、人才等方面的因素,提出了一些看法。     

基于SOM和SVM的遥感图像目标识别

提出了一种基于自组织特征映射 (SOM)神经网络和支撑矢量机 (SVM)相结合的遥感图像目标识别方法。该方法首先利用SOM对目标进行聚类 ,然后应用SVM方法对其进行分类识别。最后将该方法应用于二值遥感图像的目标识别 ,与仅用支撑矢量机方法的识别结果进行了比较 ,结果表明 ,这一方法对二值遥感图像目标具有很好的分类识别效果 ,且训练时间大幅度缩短。     

多梳栉经编机花梳横移链块磨削的分析

分析计算ＭＲＳＳ３２型多梳栉经编机花梳链块的角度、磨削量及磨剂量偏差对编织的影响，讨论了磨削量偏差造成同一条集聚线内导纱针相撞及导纱针与针相撞的可能性．指出链块磨削最安全可靠的方法是用链块标准测量尺，使同一集聚线内每把梳栉各链块摆动部分所对应的花纹滚筒圆心角相同．     

Weighted Proximal Support Vector Machines： Robust Classification

Despite of its great efficiency for pattern classification, proximal support vector machines (PSVM), a new version of SVM proposed recently, is sensitive to noise and outliers. To overcome the drawback, this paper modifies PSVM by associating a weight value with each input data of PSVM. The distance between each data point and the center of corresponding class is used to calculate the weight value. In this way, the effect of noise is reduced. The experiments indicate that new SVM, weighted proximal support vector machine (WPSVM), is much more robust to noise than PSVM without loss of computationally attractive feature of PSVM.     

南荠自动去皮机的研究

论述异形食品南荠在去皮生产过程中实现机械自动化加工工艺及实现自动化加工执行机构的设计思想，为保证南荠去皮质量和提高生产率及进一步深加工的实现打下基础。     

曲轴单拐弯曲自动化疲劳试验机的研制

介绍了最新研制的谐振式ACFM型曲轴单拐弯曲自动化疲劳试验机 ,叙述了它的系统结构、工作原理、电控部分的组成、系统的特点和主要性能指标。经过实测及使用表明 ,该试验机具有自动化程度高、精度高的特点 ,且操作简便 ,极大地减轻了操作者的劳动强度 ,还可在实验达到一定次数或出现裂纹时自动停机 ,自动记录数据 ,打印试验结果     

基于缩减策略的混沌时间序列LSSVM预测模型

 由于混沌时间序列具有样本大等特点,使用最小二乘支持向量机(LSSVM)建立其预测模型具有内存开销大、训练速度慢等缺点,因此,在混沌序列数据特性的基础上,利用样本集分割与样本相关性的思想,提出一种基于缩减策略的混沌时间序列LSSVM预测模型。该模型利用混沌时间序列的平均周期将大样本数据分解成不同的子集,把最后一个子集之外的其他子集利用拉格朗日乘子的值缩减一部分非支持向量,将缩减后样本与最后一个子集合并,利用相关系数缩减法缩减合并后的样本集,并利用最小二乘支持向量机进行回归预测。最后通过相关实验,验证了本模型在基本不损失预测精度的基础上具有较快的计算速度。     

一种基于支持向量机的行人识别方法研究

研究了基于支持向量机的车辆前方行人识别方法.通过提取样本的类Haar特征,采用AdaBoost算法训练得到了分割行人的级联分类器,实现了行人候选区域的快速分割;提取了样本的纹理特征、对称性特征、边界矩特征以及梯度方向特征,组成表征行人的多维特征向量,采用支持向量机训练得到了识别行人的分类器.试验结果验证了所提算法的有效性,获得约75%的行人检测率.     

基于小波分解和支持向量机的ENSO预测试验

为了改善ENSO的预测效果,基于Nino综合区的海温距平时间序列,采用小波分解和最小二乘支持向量机结合的方法,引入多步递阶预测的思想,建立ENSO的预测模型.试验结果表明:基于小波分解和最小二乘支持向量机结合的多步预测方法,可以有效提高ENSO的预报精度.同时,该模型具有同时得到不同时效的预测结果,建模方便,计算效率高...