基于多分辨率奇异谱熵和支持向量机的轴系故障诊断及其应用

运用Mallat小波算法将被测信号分解为不同频带,并进行信号重构,然后利用奇异值分解,提取不同尺度下的信号奇异谱熵作为特征向量．以特征向量为基础,运用多类支持向量机识别故障类型．以渔船轴系故障诊断为例,设计了轴系故障模拟实验台,研究表明：该方法能有效地进行特征提取和故障分类．     

基于RBF核的SVM核参数优化算法

SVM是一种新型的机器学习方法,其分类性能的优劣主要受核函数及核参数的影响,国内外学者针对SVM核参数的选择已提出许多算法．本文首先分析TRBF核参数对SVM分类性能的影响,然后又对比分析了目前存在的几种基于RBF核的SVM核参数选择方法．通过实验,发现使用遗传算法选择核参数的SVM有比较快的搜索速度．     

基于遗传算法的多核支持向量机的参数优化

提出了利用遗传算法对多核支持向量机的权系数进行寻优的方法GA-MKL,先选择表现能力最好的参数的单核构成多核,再利用遗传算法来对多核的核系数来寻优.采用该算法在UCI标准数据集上进行了实验,结果表明,该算法为多核SVM的系数选择提供了一种可行的方法.与单核SVM相比,该方法具有更好的分类能力,和其他多核学习算法相比,性能也有一定的提高.     

基于多软件融合方法的真核生物基因启动子预测

基于多个软件的预测结果,提出了一种融合方法(ComPromoter)提高真核生物基因启动子的预测精度.ComPromoter以ProKey、FirstEF和Eponine等软件对启动子的预测结果为基础,融合了可用于启动子识别的多个特征(包括ProKey预测结果中真阳性和假阳性的出现频率随投票距离以及预测分值变化的统计特征),并利用支持向量机构建了启动子预测模型.在人类ENCODE区域测试数据集上测试的结果显示,ComPromoter的Pearson相关系数CC值高于所融合的单个启动子预测软件.     

带特征染色体的遗传算法与支持向量机结合进行生物水质预警的研究

近年来水污染事件频发, 给人类饮用水安全带来巨大隐患, 而生物监测法能够从生物学角度对水质状况做出综合分析. 选取斑马鱼作为受试生物, 当水质发生变化时, 鱼群在毒性物质作用下产生应激反应, 此时运用图像处理技术量化鱼类群体行为参数; 并用带特征染色体的遗传算法与支持向量机相融合的方法进行特征选择和SVM参数优化, 分析影响水质预警的关键量化参数. 结果显示, 新方法与网格搜索法、不带特征染色体的遗传算法与SVM结合的方法相比较, 有更高的准确率.     

基于SVM和LS-SVM的住宅工程造价预测研究

为在方案设计初期与工程造价相关信息很少的条件下,准确快速地预测住宅工程造价,在分析既往相关理论和方法优劣的基础上,选取支持向量机构建住宅工程造价预测模型,并通过主成分分析对原始数据进行降噪处理.选取住宅工程造价预测指标集与样本,对输入指标的数据进行主成分分析,消除指标相关性的同时对原始数据降维,将处理后的数据分别导入到"标准支持向量机"和"最小二乘支持向量机"模型中进行训练和预测,并对预测结果进行对比分析,选取较为合理的预测模型,通过参数寻优进一步优化预测效果.所构建预测模型的相对误差均控制在±7%以内,预测精度较高,结果稳定.     

基于支持向量机的网站服务质量实时监控方法

利用支持向量机(support vector machine,SVM)在两类模式识别中所表现出的良好适应性,采用SVM把网站服务质量的评价信息分成两类:服务投诉和非服务投诉.通过服务质址监控表格对投诉率的上限进行控制,实现了系统对服务质量的自动监控.实验结果表明,采用基于SVM网站服务质量监控方法能够对网站的服务质量进行实时临控,并且优于基于指标的服务质量监控方法.     

基于支持向量机的字符编码识别系统

基于支持向量机设计了一种产品字符编码识别系统,该系统通过CCD视觉传感器采集图像信息,经过目标提取、字符分割、编码识别过程,最后输出识别结果.其中,识别过程采用支持向量机作为判别函数分类器,该方法能较好的解决小样本、非线性、高维数等实际问题,并且较传统的神经网络识别方法训练速度更快.实验结果表明,该方法识别率高,可以达到98.3%,并且具有较高的实时性.     

基于支持向量机及遗传算法的光刻热点检测

提出一种基于支持向量机（SVM）及遗传算法（GA）的集成电路版图光刻热点检测方法.首先对版图样本进行离散余弦变换（DCT）以提取样本的频域特征,然后基于这些样本训练SVM分类器以实现对光刻热点的检测.为了提高光刻热点检测的精度及效率,采用遗传算法（GA）对频域特征进行选择,并同时优化SVM参数.实验结果表明,基于SVM及版图频域特征并结合遗传算法进行优化的光刻热点检测方法可以有效提高版图光刻热点的检测精度.     

基于支持向量机的核磁共振左心室图像自动检测与分割

提出了用基于支持向量机的方法来实现核磁共振左心室图像的自动分割方法。首先用经过训练的支持向量机(SVM)在二维图像中进行识别和定位左心室目标区域并进一步找出边缘区域，采用一种改进的训练方法来提高SVM识别率，然后在足够准确的区域中利用梯度方法找出边缘点，并把他们连接起来，找出目标的边缘，达到分割的目的。实验表明，这种分割方法降低了SVM对背景图像的敏感度，提高了SVM识别率。     

无线多跳网络中基于故障诊断与恢复技术的拓扑容错方案

提出了一种适用于无线多跳网络的基于故障诊断与恢复技术的拓扑容错控制方案,采用了基于比较的故障诊断方法来探测故障,并对节点故障的恢复方法进行了研究,实现了网络的拓扑容错功能.分析了所提策略的通信复杂度（总通信量为：3n＋t.dmax＋t-2）与时间复杂度（总时延为：（dST＋1）Tgen＋（2dST＋2）Tf＋Tout）,并进行了实验仿真.仿真结果表明,采用基于比较的故障诊断方法和恢复技术能够达到减少系统通信量,降低服务时延,节省能耗的优点.     

基于小波包频带能量特征的包络分析在滚动轴承故障诊断中的应用

经典的小波包迭代算法会由于小波包分解过程中的隔点采样而发生频率混叠现象。采用小波包移频算法,以1^#、2^#、3^#这3个406滚动轴承（其中1^#轴承工作正常,而2^#、3^#轴承工作状态未知）进行分析。通过小波包分解提取了这3个轴承振动信号的频带能量特征,初步判断2^#、3^#轴承的工作情况。基于此,再选择合适的频带进行小波包重构,并经Hilbert变换实现包络检波,这样轴承发生故障时的高频共振信号就实现了包络解调。再通过对振动包络信号进行频谱分析就可以对轴承的故障类型作出判定。     

基于粗糙集和BP神经网络算法的网络故障诊断模型研究

针对计算机网络故障诊断知识库冗余性高、神经网络与PCA、DS证据等理论相结合诊断精度不高的难题, 提出了一种新的基于粗糙集和BP神经网络的计算机网络故障诊断模型. 首先利用粗糙集算法对网络故障特征进行约简处理、提取最小诊断规则; 其次利用最小规则训练BP神经网络, 建立基于粗糙集和BP神经网络的计算机网络故障诊断模型; 最后将模型运用于真实网络故障数据诊断. 结果表明: 该模型具有学习效率高、诊断速度快、准确率高的特点, 能够快速诊断网络故障类型.     

基于SVM的固化土无侧限抗压强度模型

为实现较少试验次数下固化土无侧限抗压强度(qu)的准确预测, 提出了基于支持向量机(SVM)的固化土qu的预测模型. 以固化剂各组分掺入比、龄期、初始含水量、固化剂掺量等因素为输入量, 固化土的qu作为输出量, 以径向基为核函数, 采用网格搜索法和交叉验证法进行参数优化, 建立了基于SVM的固化土qu的预测模型. 算例分析表明: 该模型适用于任意条件下固化土qu的精确预测, 且在较小试验成本下实现与响应面法相当的预测精度.