基于支持向量机估算大气光学湍流廓线的研究

主要利用支持向量机的机器学习方法开展估算大气光学湍流廓线的研究。通过选取沿海地区实测探空数据,利用温度、压强、相对湿度、风速、风速切变和温度切变实测廓线数据,依据支持向量机估算得到不同日期的大气光学湍流廓线,并与实际测量值进行比较。误差分析结果表明:在2018-05-05和2018-05-10,估算的大气光学湍流廓线与实际测量廓线的均方根误差分别为0.4461和0.3939,相关性分别为70.42%和62.17%。研究证明:根据实测数据训练学习得到的支持向量机模型能够较为准确地估算沿海地区大气光学湍流廓线,虽有一定误差,但大致趋势吻合,验证了支持向量机方法估算大气光学湍流廓线的可行性,从而为利用常规气象探空数据直接估算大气光学湍流廓线,并为建立相关模式的可能性打下基础。     

基于小波包分析及支持向量机的超音速目标识别方法研究

提出了基于小波包分析及支持向量机的超音速目标识别方法 .通过 5 .5 6mm ,7.6 2mm和 12 .7mm三种枪弹试验获取信号 ,用小波包分解激波信号 ,统计每个频带的能量特征 ,用支持向量机方法训练测试样本 ,获得了很好的分类效果 .仿真结果表明基于超音速飞行体产生的激波信号来识别目标是可行的 .     

基于选择性支持向量机集成的海杂波背景中的微弱信号检测

基于复杂非线性系统相空间重构理论,提出了一种混沌背景中微弱信号检测的选择性支持向量机集成的方法,为了提高支持向量机集成的泛化能力,采用K均值聚类算法选择每簇中精度最高的子支持向量机进行集成,建立了混沌背景噪声的一步预测模型,从预测误差中检测湮没在混沌背景噪声中的微弱目标信号（包括周期信号和瞬态信号）,最后分别以Lorenz系统和实测的IPIX雷达数据作为混沌背景噪声进行实验研元结果表明该方法能够有效地将混沌背景噪声中极其微弱的信号检测出来,抑制噪声对混沌背景信号的影响,与神经网络和传统支持向量机方法相比,预测精度和检测门限方面的性能有显著提高．     

基于流形模糊双支持向量机的恒星光谱分类方法

支持向量机(support vector machine, SVM)具有良好的学习性能和泛化能力, 因而被广泛应用于恒星光谱分类中。然而实际应用面临的数据规模往往很大, SVM便暴露出计算量大、分类速度慢等问题。为了解决上述问题, Jayadeva等提出双支持向量机(twin support vector machine, TWSVM), 将计算时间减少至SVM的1/4。然后上述方法仅关注数据的全局特征, 对每类数据的局部特征并未关注。鉴于此, 提出基于流形模糊双支持向量机(manifold fuzzy twin support vector machine, MF-TSVM)的恒星光谱分类方法。利用流形判别分析获得数据的全局特征和局部特征, 模糊隶属度函数的引入将各类数据区别对待, 尽可能减少噪声点和奇异点对分类结果的影响。与C-SVM, KNN等传统分类方法在SDSS恒星光谱数据集上的比较实验表明了该方法的有效性。     

基于流形模糊双支持向量机的恒星光谱分类方法

支持向量机(support vector machine, SVM)具有良好的学习性能和泛化能力,因而被广泛应用于恒星光谱分类中。然而实际应用面临的数据规模往往很大,SVM便暴露出计算量大、分类速度慢等问题。为了解决上述问题,Jayadeva等提出双支持向量机(twin support vector machine, TWSVM),将计算时间减少至SVM的1/4。然后上述方法仅关注数据的全局特征,对每类数据的局部特征并未关注。鉴于此,提出基于流形模糊双支持向量机(manifold fuzzy twin support vector machine, MF-TSVM)的恒星光谱分类方法。利用流形判别分析获得数据的全局特征和局部特征,模糊隶属度函数的引入将各类数据区别对待,尽可能减少噪声点和奇异点对分类结果的影响。与C-SVM,KNN等传统分类方法在SDSS恒星光谱数据集上的比较实验表明了该方法的有效性。     

基于支持向量机的肤色滤波器

为了探测图像中的肤色像素,提出了一种新的方法-支持向量机（SVM：Support Vector Machine）方法.它是一种基于肤色的非特定人的面部定位方法,是非接触人机交互技术和机器视觉中的一个重要内容.实验结果表明,采用支持向量机方法较传统人工神经网络方法不仅有更高的探测准确性,而且具有更好的推广性能.由于SVM采用结构风险最小化（SRM：Structural Risk Minimization）准则,在最小化训练误差（经验风险）的同时,尽量缩小模型预测误差的上界,从而使模型有更好的泛化能力.     

基于频谱分析与支持向量机的车型音频识别研究

机动车车型识别是城市道路交通流监测统计的一个重要方面。本文基于频谱分析与支持向量机方法提出一种车型音频识别方法,以1/3倍频程频谱数据作为特征数据,并使用支持向量机方法完成不同车型分类下的车型识别,同时还分析比较了不同训练样本量及不同单个样本数据量大小对识别结果的影响。在将车型细分的情况下,对小汽车、大型公交车、水泥车、摩托车四种车型的样本外识别结果达到96.9%的准确率,验证了方法的有效性。     

基于多类支持向量机的恒星光谱分类方法

支持向量机作为一种经典的分类方法被广泛应用于恒星光谱分类领域。该方法在实际应用中取得了较为理想的分类效果,但其面临无法解决多分类问题的挑战。在支持向量机的基础上,提出多类支持向量机,建立基于多类支持向量机的恒星光谱分类模型。该方法的最大优势是经过一次分类过程,可以确定多类样本的类属。SDSS DR8恒星光谱数据上的比较实验表明,本研究所提的方法较之已有多分类方法在分类性能上有一定的提升。     

基于支持向量机的自动目标识别算法

基于对目标识别精确性的要求,提出了基于支持向量机的自动目标识别算法。介绍了基于支持向量机的自动目标识别系统的组成和识别流程,实现了目标的特征提取、SVM分类器的参数寻优,并将优化的SVM模型应用于未知图像的目标识别中。实验表明,该方法识别效果良好,具有较好的抗复杂背景的能力。     

基于最小二乘支持向量机的混沌控制

利用支持向量机良好的非线性函数逼近和泛化能力，提出基于最小二乘支持向量机非线性补偿的混沌控制新方法.应用最小二乘支持向量机离线辨识混沌系统的非线性部分，并用辨识模型补偿系统的非线性，同时应用线性状态反馈控制混沌系统.对三种典型连续混沌系统的仿真研究表明，提出的控制方法可以有效的控制混沌系统到达设定的目标状态，并且由线性状态反馈控制器构成的闭环系统稳定. 关键词： 混沌控制 支持向量机 最小二乘支持向量机 状态反馈 稳定性     

基于超声RF信号的甲状腺结节智能诊断方法*

由于人口老龄化的原因,甲状腺癌的发病率增长率在所有癌症中是最为显著的。因此,对存在癌变可能的甲状腺结节进行预检查显得尤为重要,而超声智能诊断系统在甲状腺结节早期筛查方面已展现出巨大的应用前景。该文的工作旨在提出一种基于超声原始射频信号的组织参数定征和人工神经网络相结合的甲状腺结节智能诊断方法,以提高临床超声诊察效率及准确性。为达成上述目的,该文使用滑动窗口图像分析方法和多兴趣区覆盖的方法提取组织定征参数作为特征,使用人工神经网络进行良恶性分类,并对可能影响分类准确性的相关因素进行参数相关性分析。结果显示,基于临床样本,该文提出的智能诊断方法可达到93.2%敏感度、94.0%特异性和93.5%准确率。该方法一定程度上克服了传统方法无法充分利用图像局部细节信息的不足,有效提高了诊察效率和准确性;另一方面,与深度神经网络相比,本方法对计算资源和样本量的需求较少。因此有望在该文研究基础上最终建立一套可实际用于甲状腺结节的预筛查的临床智能诊断系统。     

Denoising of quadrature ultrasound Doppler signal from bi-directional flow based on matching pursuit

Denoising of Doppler signal is a preliminary and important step in medical ultrasound imaging. To denoise quadrature Doppler signal from bi-directional flow, we propose a novel method based on matching pursuit in this paper. The proposed method is an iterative decomposition algorithm which decomposes the original Doppler signal into a linear expansion of atoms in a time-frequency dictionary. The time-frequency dictionary is similar to Fourier transform domain and the atoms are similar to orthogonal bases in Fourier transform. In each step of the iteration, the atom which gives the largest inner product with the analyzed signal is selected from the dictionary, and the contribution of this atom is subtracted from the Doppler signal. This process is repeated on the residue until the SNR reaches the maximum. The linear expansion of the selected atoms is the denoised signal. Simulations were conducted on a simulation model with a sampling rate of 12.8 kHz. When the original SNRs are 0 dB, 2 dB, 4 dB, 6 dB, 8 dB, 10 dB, the proposed method can improve the SNR for 7.9 dB, 7.8 dB, 7.5 dB, 7.3 dB, 7.05 dB, 6.8 dB respectively, reduce the root mean square error (RMSE) of the mean frequency waveform to 0.0441 kHz, 0.0303 kHz, 0.0245 kHz, 0.0215 kHz, 0.0161 kHz, 0.0125 kHz respectively, and suppress the RMSE of the spectral width waveform to 0.1774 kHz, 0.0591 kHz, 0.0486 kHz, 0.0170 kHz, 0.0145 kHz, 0.0117 kHz respectively. Preliminary in vivo evaluation was also carried out on a healthy 33-year-old male using B-K medical A/S 3535 ultrasound scanner, and the results showed that the proposed method can effectively enhance the Doppler spectrogram.     

Production of tung oil epoxy resin using low frequency high power ultrasound

Epoxy resins made from vegetable oils are an alternative to synthesize epoxy resins from renewable sources. Tung oil is rich in α -eleostearic fatty acid, which contains three double bonds producing epoxy resins with up to three epoxy groups per fatty acid. This work studied the production of tung oil epoxy resin using hydrogen peroxide as an oxidizing agent and acetic and formic acid as percarboxylic acid precursors, applying low frequency high power ultrasound. This study evaluated the effects of ultrasound power density, hydrogen peroxide concentration, acetic acid concentration, and formic acid concentration on the yield into epoxy resin, selectivity, and by-products formation. Application of ultrasound was carried out using a 19 kHz probe ultrasound (horn ultrasound) with a 1.3 cm diameter titanium probe, 500 W nominal power, 2940 W L⁻¹ maximum effective power density applied to the reaction mixture. Ultrasound technology yielded up to 85% of epoxy resin in 3 h of reaction. The use of formic acid resulted in a slightly lower oil conversion than acetic acid but with a much higher selectivity towards epoxidized tung oil. However, using acetic acid resulted in the production of high-value by-products, such as 2-heptenal and 2,4-nonadienal. The ultrasound-assisted epoxidation showed to be particularly efficient when applied to oils containing conjugated double-bonds.     

Degradation of dissolved diazinon pesticide in water using the high frequency of ultrasound wave

This article aims to apply the ultrasound technique in the field of clean technology to protect environment. The principle of sonochemistry is conducted here to degrade pesticides in simulated industrial wastewater resulted from a factory manufacturing pesticides namely diazinon. Diazinon pesticide selected in this study for degradation under high frequency ultrasound wave. Three different initial concentrations of diazinon (800, 1200, and 1800 ppm), at different solution volumes were investigated in to degrade dissolved diazinon in water. Ultrasound device with 1.7 MHz, and 0.044 cm diameter, was used to study the degradation process.

It is found that as the concentration of diazinon increased, the degradation is also increasing, and when the solution volume increases, the ability to degraded pesticides decreases. The experimental results showed an optimum condition achieved for degradation of diazinon at 1200 ppm as initial concentration and 50 ml solution volume. Kinetic modeling applied for the obtained results showed that the degradation of diazinon by high ultrasound frequency wave followed a pseudo-first-order model with apparent rate constant of around of 0.01 s⁻¹.     

一种精确检测未知弱复合周期信号频率的非线性融合方法

研究了信号经随机共振器后所产生的奇倍频现象，巧妙获得了混沌检测子的参考频率，由混沌检测子的“频率选择性”滤除了其中的虚假频率. 关键词： 弱复合周期信号 随机共振 奇倍频现象 混沌相变     

利用经验模态分解的高频水声信号滤波方法*

研究了一种高频水声信号的滤波问题,提出了一种改进的经验模态分解加小波阈值滤波方法。首先对信号进行带通滤波处理,再进行经验模态分解,将分解得到的各个模态转换为频域信号,采用小波软阈值方法对这些频域信号进行滤波,最后对信号进行重构,并转换为时域信号。经数值仿真与试验数据验证表明此方法是可行有效的,与原基于经验模态分解的小波阈值滤波方法相比,本方法滤波效果较好:对不同输入信噪比的仿真信号进行滤波后,本方法的输出信噪比最大提高17.41 d B,滤波后所得信号与加噪前纯信号的相关系数最大提高0.90;对实验数据进行滤波后,不同时间段信号的相关系数最大提高0.62。     

光学信号互相关法烟气流速测量的研究

工业环境中的烟气流速测量是一个很重要的问题。研究了利用抗干扰能力强、能适应恶劣环境的非介入式的光学信号互相关技术测量烟气流速。利用光学传感器获取由烟气造成的光学闪烁信号,通过高性能数据采集卡进行数据采集和A/D转换,在计算机上编制软件,对由烟气造成的光学闪烁信号进行了互相关处理,求得了烟气流经上游和下游传感器的渡越时间,从而计算出了烟气流速值。通过风洞实验,比较了该方法与传统的皮托管法的测量结果,分析了流速反演方法存在的问题及解决方法。在此基础上获得了较为满意的结果。     

脉冲调制射频功率测量中的标定及FFT分析方法研究

利用电压/电流探头和数字示波器实现了脉冲调制射频功率测量。电压/电流探头输出的电压、电流信号由数字示波器采集存储,电压、电流的幅值及相位差由FFT分析得到。在不同频率下,对电压、电流幅值及相位差进行标定,获得计算射频功率的标定参数。分析表明电压、电流相位差是影响标定系数的主要因素,FFT方法处理非稳态调幅电压、电流时存在问题,只有在零无功功率处才能获得可信的吸收功率。