基于多特征的支持向量机印鉴识别

印鉴真伪鉴别的难点要求识别系统同时具备同类印鉴的鲁棒性及异类印鉴的敏感性.针对这一难点,本文提出了一种基于多特征的支持向量机(Support Vector Machine,SVM)鉴别算法,根据多类特征以及支持向量机的自适应寻优特性,获得对真伪印鉴的鉴别.采用Gabor滤波器获得频率特征,采用差图像获得结构特征,采用原图像和极坐标图像的奇异值获得不变量特征.采用支持向量机(Support Vector Machine,SVM)对印鉴进行真伪鉴别.实验表明,本文方法具有很高的真伪鉴别能力.     

正弦余弦算法优化的SVM模拟电路故障诊断

针对容差模拟电路故障诊断中软故障诊断样本较少和正确率低的问题,提出一种基于正弦余弦算法(Sine Cosine Algorithm, SCA）优化的容差模拟电路软故障诊断方法。对实验电路进行Monte Carlo分析后采集输出电压信号后采用小波变换提取小波熵组成故障特征集,采用主元分析法(Principal Component Analysis, PCA）对特征降维,利用基于SCA的支持向量机(Support Vector Machine, SVM）对故障集进行分类。通过对Sallen-Key带通滤波电路的分析,SCA-SVM分类算法具有较好的分类准确率与较快的诊断速度,优于网格搜索(GridSearch）、遗传算法(GA）和粒子群算法(PSO）。最后,在四运放双二次高通滤波器电路上进行测试。结果表明,SCA SVM在容差模拟电路软故障诊断中具有较强的适应能力。     

基于SVM的下肢运动表面肌电信号的特征提取与辨识分析

为了对蹲、站、行走支撑与行走摆动四类人体典型运动行为进行有效的分类辨识,三位健康且未经过专业训练的受试者被邀请参加运动实验,实验对人体下肢股内侧肌的表面肌电信号(Electromyography,EMG)进行实时采集和记录。通过时域、频域、时频域方法,对特征值进行提取,发现下肢股内侧肌的表面肌电信号在下蹲、起立、行走支撑期和行走摆动期四类运动方式下的动态特征具有明显的差异性。基于上述结论,介绍了一种基于支持向量机(Support Vector Machine,SVM)的误识别样本二次分类方法,对上述典型运动类型进行了辨识分析。与传统单次样本识别结果相比,本文所发展的基于SVM特征值分析的误识别样本二次分类方法能较好地提高识别效果,样本辨识结果显示时域和时频域的识别效果最好,时频域方法抗外界干扰能力较好。     

基于PSO-SVM的民航发动机送修等级决策研究

为降低航空公司维修成本,增强送修等级决策科学性,保障飞行安全,提出基于PSO-SVM的民航发动机送修等级决策算法.首先利用改进的粒子群优化(Particle Swarm Optimization,PSO)算法对支持向量机(Support Vector Machine,SVM)参数进行寻优,并提出将交叉验证(Cross Validation,CV)的平均分类精度作为PSO的适应度值.对某型发动机送修等级的真实数据进行了决策对比研究,研究数据表明:与传统的Grid和GA算法相比,PSO的参数寻优效果要更优;在小样本分类时,PSO-SVM的分类精度要远高于常用的神经网络分类模型径向基函数(Radial Basis Function,RBF)模型和学习向量量化(Learning Vector Quantization)模型.     

树形结构SVMs多类分类的研究

介绍了SVM方法原理,为了将SVM在解决两类分类问题中的优越性推广至解决多类分类问题,分析构建树方法与SVM结合运用来提高SVM在进行多类分类时的训练效率的方法, 然后构造文本自动分类,实验说明该方法有较高的训练效率,并且所需的训练样本量大大降低。     

基于滑动时窗策略自适应优化支持向量机的航空发动机性能参数在线预测

针对传统航空发动机性能参数时间序列预测方法存在的不足,提出了基于滑动时窗策略自适应优化支持向量机(Support Vector Machine,SVM)在线预测模型。该方法解决了训练样本动态适应性差的特点和老旧数据信息影响预测模型精度的问题。在该方法中,滑动时窗策略实时更新时窗数据训练样本,最终误差预报准则(Final Prediction Error,FPE)自适应地确定嵌入维数,遗传算法(Genetic Algorithm,GA)则实时自适应优化SVM建模参数。应用航空发动机排气温度偏差值(Delta Exhaust Gas Temperature,DEGT)数据进行实例验证,结果表明基于滑动时窗策略的自适应GA优化的SVM (GASVM)在线预测模型比传统的GASVM预测模型预测精度有显著提高。进一步分析了预测模型不同时窗宽度对短期预测精度的影响,展示了1步～10步预测的效果,结果表明在线预测模型在不同时窗宽度下短中期(5步以内)预测效果良好且稳定。文中提出的在线预测模型可用于航空发动机性能参数的预测,实现对航空发动机未来性能变化的预警。     

面向不均匀飞机舱音信号样本的模糊支持向量机识别方法

 针对驾驶舱话音记录器(CVR)中记录的舱音背景信息多而复杂、频率范围宽、非平稳等特点,通过对15种舱音信息进行傅里叶变换和小波包变换,依次提取其Mel倒谱系数(MFCC)和小波包分解系数(WPC),利用距离可分性判据对MFCC和WPC信息进行压缩融合,得到舱音信息特征向量。设计了面向不均衡样本的模糊支持向量机(FSVM),分别计算每种类别样本及其内每种舱音信息的2个隶属度,然后利用FSVM对舱音信号进行分类识别,解决了CVR信号含噪奇异样本和数目不均衡样本时识别性能较差的缺点,实验表明该方法明显优于常规支持向量机(SVM)和FSVM,分类识别率达到98.33%。     

基于One-class SVM的自相关线性轮廓监控研究

在复杂产品的制造过程中,轮廓(profile)数据是一类广泛存在的质量数据类型.为了能够尽快监测出线性轮廓内自相关过程中的异常,针对质量数据仅存在正常样本的情况,提出了基于一类支持向量机(one-class Support Vector Machine,OCSVM)的监控方法.首先,介绍OCSVM方法原理;其次,构建O...     

基于改进SVM的模拟电路故障诊断

针对模拟电路的故障诊断和定位问题，提出了一种改进支持向量机（suppon Vector Machine，SVM）故障诊断方法。通过在标准SVM中加入了对数据流形局部分布的约束，设计了一种依赖于数据分布的新型SVM。相对于标准SVM方法而言，新方法有效融合了数据分布的先验信息，提高了模型的诊断精度。将其用于模拟电路的故障诊断，验证了所提方法的有效性。     

基于LS-SVM的浮选药剂量优化设定

针对矿物浮选在线检测X荧光分析仪缺失、人工检测严重滞后的问题,提出基于最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)的浮选药剂量优化设定方法。该方法首先利用历史数据建立基于LS-SVM的药剂量优化模型,然后采用该模型实现浮选药剂量的优化设定。工业数据仿真结果表明,所提方法能够实现浮选生产过程的的指标要求。