Support Vector Regression Model for Millimeter Wave Transitions

In this paper, we introduce a new method, support vector regression (SVR) method, to model millimeter wave transitions. SVR is based on the structural risk minimization (SRM) principle, which leads to good generalization ability for regression problem. The SVR model can be electromagnetically developed with a set of training data and testing data which produced by the electromagnetic simulation. Two Ka-band millimeter wave transitions, i.e., waveguide to microstrip transition and coaxial to waveguide adapter, are used as examples to validate the method. Experimental results show that the developed SVR models have a good predictive ability, and they are useful for interactive CAD of millimeter wave transitions.     

Zernike矩在橡胶添加剂太赫兹光谱定量分析中的应用研究

近年来,“绿色轮胎”发展备受关注。在绿色轮胎制造过程中需要多种橡胶添加剂,而橡胶添加剂的含量与绿色轮胎能否达标密切相关,因此,对轮胎橡胶中相关橡胶添加剂的定量检测具有重要意义。太赫兹时域光谱（THz-TDS）技术已经成功应用于物质定量分析领域,但当定量分析对象为多组分混合物时,由于混合物光谱出现重叠和失真等原因,会导致定量分析结果不理想。针对此问题,将Zernike矩作为一种光谱预处理技术引入到橡胶添加剂多组分混合物的太赫兹光谱定量分析中,提出了基于Zernike矩结合支持向量回归（Zernike moment-support vector regression, ZM-SVR）的太赫兹光谱定量分析方法。首先,以影响绿色轮胎质量能否达标的三种橡胶添加剂氧化锌、白炭黑和2-巯基苯并噻唑（MBT）为定量检测对象,将3种橡胶添加剂与丁腈橡胶构成多组分混合物实验样本,并通过太赫兹时域光谱系统测得样本的太赫兹光谱;然后,对太赫兹光谱进行分析与处理,得到其吸收系数、消光系数和折射率3种光学参数后,将3种光学参数构建为样本的太赫兹三维光谱,并利用Zernike矩提取太赫兹三维光谱灰度图的特征信息;最后,利用支持向量回归建立样本太赫兹三维光谱灰度图特征信息和目标成分含量之间的定量模型,从而对混合物样本中目标成分含量进行分析。利用该方法得到的定量模型预测集相关系数均大于等于0.952 2,均方根误差均小于等于2.267 2%。为进一步验证该方法的有效性,将定量分析结果与常规方法PLS和SVR的结果进行了对比。对比发现,相比常规方法得到的定量分析结果,Zernike矩结合支持向量回归方法所得结果的准确性和稳定性均得到了明显提升。因此,Zernike矩结合支持向量回归方法为橡胶添加剂多组分混合物的太赫兹光谱定量检测提供了新思路,在绿色轮胎及橡胶的质量检测领域具有广阔应用前景。     

基于Raman光谱和支持向量机回归的古井贡酒年份鉴别方法

白酒年份的快速准确鉴定是白酒品质分析的重点和难点问题之一。实现白酒年份酒的快速、准确的鉴别,对促进白酒行业的健康发展、维护消费者的合法权益具有重要意义。光谱分析法结合模式识别技术是实现白酒品质快速鉴别的首选方法之一,而Raman光谱由于其受水的影响很小且很少或不需要样品前处理,在白酒分析中具有广阔的发展空间。因此,采用Raman光谱和支持向量机回归(SVR)建立数据分析模型,用于不同年份白酒的年份鉴定和同一年份不同贮存时间的白酒年份鉴定。该研究创新之处主要包括如下三个方面：(1)应用Raman光谱对白酒品质进行分析,在分析方法的应用上具有一定的创新之处。(2)研究白酒的年份鉴定问题,在研究对象的选择上,具有一定的创新之处。(3)建立基于回归框架的白酒年份与年份指数对应关系,实现白酒年份识别及预测,不仅可以有效鉴别白酒年份,同时可用于鉴别白酒贮存时间,因此,在分析方法的确定和应用上,具有一定的创新之处。实验中采用古井贡5年、8年、16年及26年系列年份酒进行了实证分析,数据分析实验结果表明,所建立的基于Raman光谱和SVR的白酒年份鉴别分析流程和方法,对鉴别不同年份的白酒,以及同一年份不同贮存时间的白酒样品(包括对数据库内已有样本年份的鉴别,以及对数据库内没有的盲样的年份预测),均取得较好的应用效果,相比于其他常用回归分析方法具有明显的优越性,可以为白酒年份酒分析提供一定的技术支持。     

PCA-SVR联用算法在近红外光谱分析烟草成分中的应用

由50份烟草样品的近红外漫反射光谱组成的光谱矩阵经过主成分分析降维,采用基于支持向量机回归(SVR)算法,以常规化学分析方法测定的总糖、还原糖、总氮、烟碱的含量为参考值,建立了烟草中主要成分近红外光谱定量分析定标模型,并采用留一法交叉验证(LOOCV)对模型进行验证。以内部交叉验证预测的RMSE值为判据,从核函数类型、惩罚因子C和不敏感函数ε取值等方面对定标模型进行优化,获得不同成分定标模型的优化参数。烟草总糖、还原糖、总氮、烟碱优化定标模型的RMSE值分别为1.581,1.412,0.117和0.313。同时建立了烟草以上成分的偏最小二乘回归(PLS)、多元线性回归(MLR)以及误差反向传播人工神经网络(BP-ANN)定标模型,通过内部交叉验证的RMSE值与SVR定标模型进行比较,结果表明SVR模型具有更好的预测效果。     

Change Point Test for the Conditional Mean of Time Series of Counts Based on Support Vector Regression

This study considers support vector regression (SVR) and twin SVR (TSVR) for the time series of counts, wherein the hyper parameters are tuned using the particle swarm optimization (PSO) method. For prediction, we employ the framework of integer-valued generalized autoregressive conditional heteroskedasticity (INGARCH) models. As an application, we consider change point problems, using the cumulative sum (CUSUM) test based on the residuals obtained from the PSO-SVR and PSO-TSVR methods. We conduct Monte Carlo simulation experiments to illustrate the methods’ validity with various linear and nonlinear INGARCH models. Subsequently, a real data analysis, with the return times of extreme events constructed based on the daily log-returns of Goldman Sachs stock prices, is conducted to exhibit its scope of application.     

Image denoising using least squares wavelet support vector machines

We propose a new method for image denoising combining wavelet transform and support vector machines (SVMs). A new image filter operator based on the least squares wavelet support vector machines (LSWSVMs) is presented. Noisy image can be denoised through this filter operator and wavelet thresholding technique. Experimental results show that the proposed method is better than the existing SVM regression with the Gaussian radial basis function (RBF) and polynomial RBF. Meanwhile, it can achieve better performance than other traditional methods such as the average filter and median filter.     

基于光谱-空间特征的黄茶多酚含量估算模型

茶多酚是黄茶中的重要成分之一,具有保健和药用功效.准确估测茶多酚含量对茶叶品质鉴定和定量分析具有重要的意义.学者们已经利用电子鼻、电子舌、高光谱和近红外技术开展了茶多酚的估测研究,取得了良好的效果.然而,由于缺乏空间特征,难以满足黄茶内外品质综合判断的要求.随着高光谱成像系统的发展,尽管基于灰度共生矩阵的茶叶成分估测已...     

A weighted least squares algorithm for time-of-flight depth image denoising

In this paper, we present a new denoising method for the depth image of a time-of-flight (ToF) camera, based on weighted least squares (WLS) framework. The common method for ToF depth image denoising is to use bilateral filter. However, the ability of bilateral filter in edge preservation would be reduced while we attempt to smooth out larger spatial scale noise. In order to avoid this problem and preserve the edge information as much as possible, we introduce a new way to construct edge-preserving ToF depth image denoising based on WLS. We are to our knowledge the first to present a WLS-based method for ToF depth image denoising. Experimental results demonstrate that compared with bilateral filter, our proposed algorithm not only achieves better performance in edge preservation, but also improves the PSNR values of the denoised images by 0.5–2.6 dB.     

基于拓扑结构的碱金属化合物摩尔磁化率的支持向量回归研究

基于经典电动力学导出的表征简单离子磁化率的磁性点价g_i所构建的分子磁性连接性指数?^mF及45种碱金属化合物的摩尔磁化率χ_m的实测数据集,利用粒子群寻优的支持向量回归（SVR）方法,建立了基于⁰F和¹F的碱金属化合物χ_m的预测模型,并与基于多元线性回归（MLR）模型的计算结果进行了比较.结果显示,基于9次交叉验证的SVR模型预测的平均绝对误差、平均相对误差绝对值以及均方根误差均比MLR模型小,表明SVR模型的回归预测能力优于MLR.研究表明,磁性连接性指数^mF是一种合适的分子描述符,SVR是一种预测碱金属化合物χ_m的有效方法. 关键词： 碱金属化合物 摩尔磁化率 支持向量回归 预测     

基于改进标准加入法的碳酸饮料中防腐剂和甜味剂高通量筛查分析

利用正交设计分别配制含有三种防腐剂、四种甜味剂的模拟水样,采用核独立成分分析（KICA）处理模拟水样与加入不同含量标准品的饮料样品的紫外光谱(UV)数据,得到其中待测添加剂或背景成分的UV轮廓的独立组分(IC)信息,以IC的系数矩阵进行支持向量回归（SVR）分析,建立模拟样品中防腐剂与甜味剂的UV-KICA-SVR预测模型。添加不同含量水平添加剂的碳酸饮料样品,采用KICA处理其测试得到的UV光谱数据,得到与添加剂对应的IC信息及量,加入量与预测量线性回归方程截距即为饮料中添加剂含量。利用化学计量学“盲源信号分离”方法提取饮料样品中的待测添加剂IC信息与样品基质信息,利用SVR对解析得到的IC信号回归分析建模,改进传统单一组分测定的标准加入法,建立了碳酸饮料样品中防腐剂和甜味剂高通量筛查分析的新方法。方法用于测定碳酸饮料中山梨酸钾,苯甲酸钠、对羟基苯甲酸甲酯钠三种防腐剂与糖精钠、安赛蜜,阿斯巴甜和甘草酸铵四种甜味剂含量,检测限(LOD)为0.2～1.0 mg·L-1,测定结果与传统的色谱方法相当。     

基于在线小波支持向量回归的混沌时间序列预测

混沌时间序列预测是非线性动力学研究中一个十分重要的问题，支持向量回归方法为其提供了一种有效的解决思路.通过分析新样本加入训练集后支持向量集的变化情况，建立了一种混沌时间序列预测的支持向量回归算法，具备了在线学习的特点.同时，针对混沌信号提出了一种满足小波框架的小波核函数，它不但能以较高的精度逼近任意函数，而且适合于混沌信号的局部分析，提高了支持向量回归的泛化能力.最后就Mackey-Glass混沌时间序列在线预测问题进行了大量仿真.结果表明，本文算法与现有的算法相比具有训练时间短、预测精度高等特点，有一定 关键词： 混沌时间序列 支持向量回归 在线学习 小波核     

一种基于信息保留网络的图像去噪算法

由于成像设备等各种因素影响, 图像在成像或传感过程中会受到噪声干扰。图像去噪旨在减少或消除噪声对图像的影响, 这一过程往往会导致高频信息的丢失。为了在去除图像噪声的同时保护图像的边缘信息与纹理细节, 文章提出了一种计算复杂度相对较低的含有信息保留模块的卷积神经网络, 直接对含噪声图像进行降噪。信息保留模块通过残差学习提取局部长路径和局部短路径的混合特征信息。该文采用峰值信噪比(PSNR/dB)和结构相似性(SSIM)两项评价指标对实验结果进行量化, 这两项指标值越大, 说明去噪效果越好。实验结果表明, 在峰值信噪比和结构相似性2项评价指标的均值可达到30.36 dB和0.828 0, 相比其他对比算法, 2项评价指标分别平均提升了2.15 dB和0.072 9。该算法对不同种类、不同水平的噪声都具有良好的去噪效果, 且速度优于所对比的一般算法, 对基于卷积神经网络的去噪工作的进一步发展有一定的作用。     

Color reproduction method by support vector regression for color computer vision

In the color computer vision system, the nonlinearity of the camera and computer screen may result in different colors between the screen and the actual color of objects, which requires for color calibration. In this paper, support vector regression (SVR) method was introduced to reproduce the colors of the nonlinear imaging system. Firstly, successive 3σ method was used to eliminate the large errors found in the color measurement. Then, based on the training set measured in advance, SVR model of RBF kernel was applied to map the nonlinear imaging system. In this step, two important parameters (C, γ) were optimized by the Least Mean Squared Validating Errors algorithm to get the best SVR model. Finally, this optimized model could predict the real values displayed on the screen. Compared with quadratic polynomial regression, BP neural network and relevance vector machine, the optimized SVR model has better ability in color reproduction performance and generalization.     

基于SVR和粒子滤波的室内导航方法

针对室内环境复杂性造成的室内定位精度不足问题,提出一种基于支持向量机回归和粒子滤波的室内导航方法;离线阶段通过采集室内接收信号强度并利用统计学习方法,构建室内RSS与物理位置之间的支持向量回归映射模型,定位阶段使用智能移动设备采集加速度、方向角等运动状态信息和Wifi模块感知的环境信息,并利用粒子滤波将运动数据和回归结果进行融合处理,推算移动用户运动轨迹;室内实验结果表明,本方法最大定位误差为1.891 m,平均误差为0.669 m,有效地提高了室内定位导航精度。     

基于角度优化的鲁棒极端学习机算法

针对数据集样本中带有噪声和离群点问题,提出了一种基于角度优化的鲁棒极端学习机算法。该方法利用鲁棒激活函数角度优化的原则,首先降低了离群点对分类算法的影响,从而保持数据样本的全局结构信息,达到更好的去噪效果。其次,有效的避免隐层节点输出矩阵求解不准的问题,进一步增强极端学习机的泛化性能。通过应用在普遍图像数据库上的实验结果表明,这种提出的算法与其他算法相比具有更强的鲁棒性和较高的识别率。     

基于SVR的傅里叶变换型近红外光谱仪间数学模型传递的研究

近红外分析的一个重要基础是数学模型。不同的近红外光谱仪间由于对同一个样品响应的差异,导致一台仪器上建立的数学模型不能直接用于另一台仪器上样品的分析,需要进行模型传递。文章以两台傅里叶变换近红外光谱仪为实验研究对象,以玉米粉末样品为实验材料,采用移动窗口支持向量回归机(SVR)方法,把一台仪器上建立的近红外定量分析数学模型传递到另一台仪器上：当SVR回归的窗口大小为31个波长点,传递样品个数为15个时,模型传递效果较好,以“主机”所建蛋白含量的数学模型分析“从机”上修正后的光谱,化学测定值和近红外预测值间的相关系数提高到0.943 4,相对标准差为4.23%。表明采用移动窗口SVR法进行傅里叶变换近红外光谱仪间数学模型的传递是可行的。     

复合支持向量机方法及其在光谱分析中的应用

SVC和SVR是支持向量机研究的两个主要问题。文章把两种建模方法相结合,先由SVC模型判别分类,后由各类的局部SVR模型进行定量分析,提出了复合支持向量机(CSVM)方法。根据71个试验小区的水稻冠层高光谱与叶片含氮量建立定量分析模型,考证了CSVM算法。基于模拟研究的思想,随机划分建模集和预测集,比例为55∶16。经过5次划分试验,复合支持向量机方法建模对叶片含氮量的预测值与凯氏定氮实际值之间的平均相关系数为0.89,平均绝对误差为0.088;而传统的支持向量机方法得到的平均相关系数为0.87,平均绝对误差为0.091。由此可见,复合支持向量机方法相对于传统的支持向量机方法预测精度有所提高。文章研究方法的提出为化学计量学定量分析研究给出了新的思路。     

Image denoising using trivariate prior model in nonsubsampled dual-tree complex contourlet transform domain and non-local means filter in spatial domain

Image denoising is always the basic problem of image processing, and the main challenge is how to effectively remove the noise and preserve the detailed information. This paper presents a new image denoising algorithm based on the combination of trivariate prior model in nonsubsampled dual-tree complex contourlet transformlet transform (NSDTCT) domain and non-local means filter (NLMF) in spatial domain. Firstly, NSDTCT is constructed by combining the dual-tree complex wavelet transform (DTCWT) and nonsubsampled directional filter banks (NSDFB). The noisy image is decomposed by using NSDTCT. Secondly, based on the correlation between the interscale and intrascale dependencies of NSDTCT coefficients, the distribution of the high frequency coefficients is modeled with the trivariate non-Gaussian distribution model. A nonlinear trivariate shrinkage function is derived in the framework of Bayesian theory, and then the denoised coefficients are obtained and inverse NSDTCT is performed to get the initial denoised image. Finally, NLMF is used to smooth the initial denoised image. Simulation experiment shows that our algorithm can obtain better performances than those outstanding denoising algorithms in terms of peak signal-to-noise ratio (PSNR), mean structural similarity (MSSIM) as well as visual quality.     

基于SVR的多股簧机床张力控制

针对多股螺旋弹簧加工机床张力控制系统的非线性特性及存在干扰的问题,提出了基于支持向量回归(Support Vector Regression, 简称SVR)的有效抑制噪声的控制算法;即在基于SVR的逆动力学建模中采取非线性松弛因子替代线性松弛因子,抑制噪声在建模过程中的影响,提高建模精度;把系统逆模型作为前馈控制器,构成伪线性系统,PID控制器作为反馈控制,组成有效抑制噪声的复合控制算法;实验结果表明,这种改进基于SVR的复合控制方式在多股螺旋弹簧张力控制系统中具有较好的控制精度和鲁棒性。     

基于LLE-SVR的鸡蛋新鲜度可见/近红外光谱无损检测方法

鸡蛋新鲜度是反映鸡蛋内部品质的一个重要指标。为了能够实现鸡蛋新鲜度的快速无损检测,利用微型光纤光谱仪采集鸡蛋550～950 nm的透射率光谱曲线,与鸡蛋的哈夫单位值进行了定量分析。通过不同的预处理方式分别结合偏最小二乘回归(partial least squares regression, PLSR)与支持向量回归(support vector regression, SVR)建立模型,比较了不同模型的预测结果,发现一阶微分结合SVR能够实现较好地预测,且利用SVR建模要优于PLSR。为了提高运算效率,减少无用信息对建模的不良影响,分别利用线性降维主成分分析法(principal component analysis, PCA)与非线性降维局部线性嵌入(locally linear embedding, LLE)对一阶微分后的光谱数据降维,比较两种降维方法的预测效果,得出了LLE降维要优于PCA降维,其训练集和预测集的相关系数与均方根误差分别为92.2%,7.21和91.1%,8.80,训练集交叉验证的均方根误差相比减少了0.79。实验结果表明,利用局部线性嵌入结合支持向量回归进行非线性建模,能够提高鸡蛋新鲜度的预测能力,表明该方法对鸡蛋新鲜度的可见/近红外光谱检测可行。