SVM最优分类面相对位置的修正

通过放宽标准支持向量机(SVM,Support Vector Machines)中类别边界至分类面等间隔的约束,保持两类函数间隔之和不变的条件,在支持向量机思想框架下得出分类面依样本分布进行调整的新型支持向量机,其对偶形式与标准支持向量机完全相同,从而在理论上进一步完善了支持向量机.在此基础上,提出使类别的函数间隔正比于样本标准差的具体算法--方差修正法,达到最优分类面的相对位置依样本方差而调整之目的.从统计意义上来说,方差修正法在分类精度上有所提高,但计算量增加不多.     

基于BP人工神经网络喷射成形7055铝合金的本构模型

基于Gleeble热力模拟技术对喷射成形7055铝合金的高温流变应力特征规律进行研究,并构建耦合应变量的唯象型Arrhenius本构方程用以预测合金的流变应力,同时基于BP人工神经网络构建该材料的神经网络型本构方程对比预测流变行为。结果表明:喷射成形7055铝合金的流变应力状况受变形参数的影响较为显著,与变形温度呈负相关,并与应变速率呈正相关。利用两类本构模型预测该合金的流变应力,其中唯象型Arrhenius本构方程的平均相对误差δ值大于2%,该模型的预测误差随变形温度升高呈上升趋势,且在热加工温度区间下(450℃左右),平均绝对误差及平均相对误差达到峰值,较难精准预测该变形区间内合金的流变应力特征。而BP人工神经网络模型的预测准确度更高,平均相对误差δ值仅为0.813%,且具有较高的温度稳定性。