基于形态梯度变换和改进支持向量机的多普勒雷达天线机械故障诊断方法

提出了基于形态梯度变换和改进支持向量机的多普勒雷达天线机械故障诊断方法。首先基于数学形态梯度对雷达天线机械故障信号进行滤波,消除噪声因素的影响。然后,针对现有支持向量机投票策略在构造多类分类器的过程中存在的部分区域不可分的问题,提出基于Beta映射关系函数的贝叶斯优化投票策略支持向量机模型,建立基于Beta映射关系函数的贝叶斯先验分布和后验分布之间的联系,对后验分布进行精确的估计,实现对不可分区域数据的有效分类。通过对采集到的某型号多普勒雷达天线的轴承故障信号的有效分类,表明了本文所提方法的准确性。     

基于随机森林和单类支持向量机的电信行业客户流失预测

针对电信行业客户流失问题,使用随机森林方法建立了初步的预测模型,对比电信行业原用的各种预测模型,其准确率有明显改善;针对模型特征维数众多的特点,进一步提出基于随机森林和转导推理的特征提取方法,对数据集进行降维,并引入单类支持向量机(support vector machine,SVM)算法得到最终的预测模型.实验表明,流失预测模型具有更高的预测准确率以及针对预测结果的部分可解释性.