基于最小二乘支持向量机的防抱死制动控制方法

以车轮参考滑移率和角加速度作为输入向量,以制动轮缸的制动压力作为输出向量,设计了基于最小二乘支持向量机(LS-SVM)的汽车防抱死制动系统(ABS)控制器,利用支持向量对控制器进行训练得到控制器的参数.设计了包括输入层、控制层和输出层的汽车防抱死控制系统,系统以各轮的速度作为输入向量,经过控制层的运算得到各轮的制动压力,然后采用PwM(pulsewidth modulation)方法控制轮缸压力,进而实现防抱死控制.搭建了汽车ABS测控系统,参照国际标准,在不同条件下进行道路试验.试验结果表明,基于LS-SVM的汽车防抱死制动控制方法具有良好的制动平稳性和自适应性,是一种有效的新的ABS控制方法.     

复合环境离子强度对BDCP/DNA的粒径与转染效率的影响

为了探讨组装环境对基因载体/DN复合物的粒径和转染效果的影响,在三种不同离子浓度溶液体系(PBS, 5% 葡萄糖溶液, H₂O)中测量BDCP（biodegradable cationic polymer,一种生物可降解的阳离子聚合物）/DNA复合物粒径和结合力,进行了体外转染试验和毒性试验.结果显示,PBS最适合组装转染复合物,可取得更好的稳定性、最高的转染效率和较低细胞毒性、低溶血率;在5%葡萄糖溶液和水中组装的BDCP/质粒复合物结合力较弱,转染效率比较低.得出结论,BDCP/DNA粒径、结合力和基因转染效率受组装体系的离子强度影响.     

支撑向量机在给水管网故障诊断中的应用

针对城市给水管网运行故障诊断问题,构造一个给水管网室内实验模型,通过测试节点水压变化,利用建立在结构风险最小原理基础上的支撑向量机(SVM)模式分类功能,确定相应的特征向量和核函数参数;选取样本进行训练和测试,在小样本情况下对管网故障点进行判决.在多次实验模型测试数据的基础上, 对基于SVM的给水管网故障诊断方法进行测试,并在相同实验测试数据的前提下与神经网络(ANN)法进行比较,实际算例表明,SVM方法的诊断精度优于神经网络法.     

应用支持向量机处理岩土材料的细观图像

应用数字图像处理技术提取非均质岩土材料的细观特征是量化其细观结构的有效途径。为提高图像处理的质量和效率,在进行数字图像处理的阈值分割时,采用统计学习理论中的支持向量机分类方法。选取待原始图像的一个矩形区域作为训练样本图像,提取这些样本点的特征与训练目标一起组成训练样本集,通过对训练样本集的学习,生成SVM(support vector machine)分类机,利用SVM分类机提取原始图像中的特征图像。以花岗岩为例,利用该方法提取其细观结构,结果表明,合理选取训练样本和模型参数,可以提高图像处理的准确率和效率,得到最佳的处理结果。     

一种初值优化的K-均值文档聚类算法

K-均值算法是文档聚类中常用的一种划分方法.近年来,为提高聚类质量,出现了不少优化初始中心的改进算法.该文在基于密度选择中心点算法的基础上,建立了相似度概率模型辅助密度参数的确定,有效减少了参数选择的盲目性.同时,该文提出一种二分快速确定K值最优解的方法.大量实验结果表明,该方法具有理想的效果.     

基于相空间重构的支持向量机方法在径流中长期预报中应用

水文中长期预报对于水资源规划管理、水库及水电站调度具有十分重要的意义.针对常规混沌预测方法的局限性,提出基于相空间重构的支持向量机(SVM)预报方法.该方法首先对径流时间序列进行混沌辨识,然后对其进行相空阃重构,采用基于结构风险最小化的SVM进行径流预报.对于SVM的参数优选问题.以径向基核函数作为核函数,采用混沌交尺度优化方法进行参数寻优.实例表明.该方法优于SVM和人工神经网络(ANN)预报方法.且具有良好的泛化推广能力.     

基于可变对角加载的稳健空时波束形成算法

针对对角加载方法中加载量难以确定的问题,提出了基于可变对角加载的稳健空时波束形成算法.该算法在宽带信号模型基础上,分解空时宽带波束形成的约束方程,针对多频点约束,推导出空时二维导向矢量真值,得到空时结构可变对角加载波束形成算法的最优权矢量,并给出加载量求解方程,准确地计算出空时波束形成器的对角加载量.仿真结果验证了该算法的稳健性.     

基于块匹配的运动矢量可靠性分析

为了改善目前对于运动矢量分析还较笼统的现状,获得对运动矢量场更为直观和定量的分析,运用贝叶斯定理,设计一种新型的基于运动矢量后验概率计算的矢量可靠性分析算法.利用贝叶斯理论中关于决策分析的思想,结合视频信号的特点和相关理论,计算运动矢量的后验概率,作为对矢量可靠性判断的依据,并据此优化运动补偿策略,提高去隔行效果.实验结果表明,用该法对运动矢量场进行分析,可得出对运动估计算法客观定量的分析结果,同时有助于矢量类去隔行算法的改进.运动矢量可靠性分析方法增强了块匹配运动估计算法的可分析性,有助提高运动补偿算法的鲁棒性和高质量地重建图像.     

基于阈值优化的CDRM-SVM入侵检测算法

为了提高中心距离比值法预选取支撑矢量的效率,降低支撑矢量机的训练时间,引入自适应动态克隆算法对中心距离比值法的阈值进行优化,并将该算法应用于入侵检测中,提出了基于阈值优化的CDRM-SVM入侵检测算法.算法首先利用自适应动态克隆算法对中心距离比值法中的阈值进行优化,获得理想的阈值,从而可以提取出包含全部支撑矢量的边界矢量集,然后使用边界矢量集代替训练样本集进行支持矢量机的训练,大幅度减少了训练样本的数量,使支持矢量机的训练速度显著提高.同时,由于边界矢量集中包含了支撑矢量,因此,支撑矢量机的分类能力没有受到影响.采用KDDCUP 99数据集进行试验,试验结果表明:与传统方法相比,在保证性能的情况下,所提算法能够有效地降低支持向量机的训练时间.     

基于GMM全统计参数和SVM的文本无关话者确认

针对电话语音条件下的文本无关话者确认,提出了一种基于GMM(Gaussian mixturemodel)全统计参数和SVM(support vector machine)的话者确认方法,以克服语音特征参数直接建立SVM话者模型面临的困难.该方法使用由GM(general model)自适应均值得到的GMM提取统计参数,定义了一种合理利用全部统计参数的特征参数,并以此参数及线性核函数建立了具有良好性能的SVM话者模型.与GMM-UBM方法及另一种基于GMM统计参数和SVM的方法在NIST05SRE数据库中的实验比较,结果表明基于GMM全统计参数和SVM的话者确认方法拥有优异的性能.