云计算中运营商效益最优的资源分配机制

针对传统的虚拟机调度方法中虚拟机申请时,调用相应负载均衡算法将虚拟机调度到相应的物理服务器上,不能达到整体效益最优的问题,提出了一种实时满足运营商资源最高效益的动态调度方法.每次新加入用户时,新加入的用户资源和先前分配的资源一起重新在所有服务器上规划,进行全局虚拟机调度,迁移那些能给系统带来足够效益部分虚拟机,完成全局最优的虚拟机部署.该方法对云中资源进行了合理的高效益规划,大大节约运营商成本,提高了云中资源利用率,降低了能耗.     

一种改进的基于支持向量机的概率密度估计方法

统计学习理论是针对小样本数据而提出的一套理论,支持向量机方法可用于解决有限样本情况下的概率密度估计问题,该种方法与Parzen窗的精度等级类似,同时又具有Parzen窗方法所不具备的稀疏解,但应用过程中耗时较多。本文提出了一种基于支持向量机的改进密度估计方法,分析了其原理,通过仿真实验的对比,改进后的密度估计方法与改进前相比,估计精度的水平保持不变,训练后的支持向量数目不变,对训练样本的训练时间大幅缩短。由仿真结果可知,本文提出的对支持向量机法估计概率密度的改进是可行的。     

Solving large-scale multiclass learning problems via an efficient support vector classifier

1. INTRODUCTION In recent years, a new type of classifier, support vector machines[1~2], is receiving adoption increasingly as a state-of-the-art tool to solve knowledge discovery pro- blems. SVMs are based on the statistical learning the- ory of Vapnik[1] and quadratic programming optimiz- ation. Support vector machines (SVMs) are initially designed for binary classification problem. How to effectively extend them for multiclass classification is still an ongoing research topic. Curr…     

基于三分类支持向量机的船用逆变器故障诊断

针对电力推进船舶逆变器存在的开关器件开路故障诊断问题,提出一种基于三分类支持向量机的故障诊断方法。利用对称分量分析方法获得逆变器输出正序瞬时值分量,通过对信号进行小波包分解,得到不同开关元件故障下的小波能量,规范化后作为对应开关器件故障特征。根据开关器件位置和逆变器输出波形特点对开关器件进行分组,利用三分类支持向量机实现故障分类。仿真分析结果表明,该三分类支持向量机故障分类正确率94.29%,诊断方法有效。     

核函数选择方法研究

核函数的选择对支持向量机的分类结果有着重要的影响,为了提高核函数选择的客观性,提出了一种以错分实例到支持向量所在界面的距离来表示错分程度,并基于此进行秩和检验的核函数选择方法.通过与K-折交叉验证、配对t测试等参数检验的统计方法进行对比分析,对9种常用核函数的分类能力在15个数据集进行了定量研究.与参数检验方法不同,秩和检验并未假定数据的分布情况(很多情况下数据并不满足假定的分布),而且数据实验证明,秩和检验不但能够对核函数的分类能力进行客观评估,而且在某些数据集上还能产生更好的核函数选择效果.     

磁通切换型轴向磁场永磁电机定位力矩分析

为了有效削弱磁通切换型轴向磁场永磁(AFFSPM)电机的定位力矩,利用解析法与有限元法相结合,对AFFSPM电机的定位力矩进行分析.采用能量差分法建立了该类电机定位力矩的解析表达式;基于ANSYS建立了一台三相12/10极AFFSPM电机全场域三维有限元模型,对其定位力矩进行仿真计算.结果表明:当转子齿宽占内径圆弧10.5,°且为准扇形齿时,该电机的定位力矩最小;在定子轭部铁心不饱和的情况下,定位力矩随定子厚度减小而减小,而受转子厚度的影响较小;转子齿表面开合适的辅助凹槽有利于削弱该电机的定位力矩;两侧定子错齿虽然可以削弱定位力矩,但会给电机运行带来副作用.     

基于公共矢量的总间隔v最小类内方差支持向量机在噪音人脸图像分类中的应用

为提高噪音人脸图像分类问题中的抗噪性能,在综合最小类内方差支持向量机(minimum class variance support vector machines,MCVSVMs)和总间隔v-支持向量机(total margin v support vector machine,TM-v-SVM)的优点的基础上,提出了基于公共矢量的总间隔v最小类内方差支持向量机(Total margin v minimum class variance support vector machines based on common vectors,TM-v-M(CV)²SVMs)。受公共矢量(common vectors,CVs)的启发,引入了散度矩阵以进一步提高算法的分类性能和抗噪性能,并给出了TM-v-M(CV)²SVMs的推导过程。经实验证明,在噪音人脸图像的分类问题中,TM-v-M(CV)²SVMs获得了比MCVSVMs和TM-v-SVM更好的分类性能和抗噪性能。     

分子机器的设计与合成——2016年度诺贝尔化学奖成果简介

 2016年度诺贝尔化学奖授予Jean-Pierre Sauvage、Sir J.Fraser Stoddart和Bernard L.Feringa 3位科学家,以表彰他们在分子机器设计与合成方面的重大贡献。分子机器是一个新兴的研究领域,致力于构建分子水平上的机器。超分子化学在分子机器的研究中起到至关重要的作用,从一定意义来说,这是继1987年以来,诺贝尔化学奖第2次授予超分子研究领域的科学家。本文简述分子机器的设计理念、合成思路、发展现状和前景。     

利用支持向量机构建水稻镉含量高光谱预测模型

研究基于支持向量机构建水稻镉(Cd)含量高光谱预测模型的可行性.利用ASD光谱仪测量研究区水稻冠层反射光谱,通过实验室化学分析得到土壤镉含量和水稻叶片镉含量,对研究区水稻光谱进行均一化平滑处理以及小波变换降噪,构建基于支持向量机(support vector machines,SVM)的水稻镉含量高光谱预测模型.结果表明,小波变换降噪处理对SVM建立的镉含量预测模型精度有所提高,SVM高光谱预测模型的相关系数为0.8674,均方误差为0.0012.该研究为利用高光谱遥感大面积、快速监测农田作物重金属污染提供技术支持.     

考虑决策风险偏好的自适应支持向量机模型

在构造可以控制不平衡性的分类器,准确识别少数类,并使得决策者可以根据风险偏好与分类器进行交互,这对于人工智能在管理实践中的应用有极为重要的价值。提出了一种自适应支持向量机(ASVM)模型,使得类间隔最大化的同时,决策损失最小化,并基于粒子群优化算法(PSO)调节参数。该模型内在地考虑了数据不平衡性,并可为决策者与分类器的交互提供有效支持。实验及仿真结果表明,该模型在各种样本不平衡情况下都有很好性能,分类准确率显著地优于对比方法,而且相对稳定,并能很好地根据决策者的偏好控制分类器的决策风险。