搜索结果: 1-13 共查到“仪器科学与技术 支持向量机”相关记录13条 . 查询时间(0.424 秒)
磷虾群算法优化支持向量机的威胁估计
威胁估计 磷虾群 支持向量机 参数寻优
2016/7/28
为提高目标威胁估计的预测精度，在传统支持向量机优化方法的基础上，提出了采用磷虾群算法优化支持向量机的威胁估计方法。介绍了磷虾群算法和支持向量机的原理，并基于此采用磷虾群算法对支持向量机中的惩罚参数和核函数参数进行优化，寻找最优的惩罚参数和核函数参数；建立磷虾群优化支持向量机的目标威胁估计模型，并实现基于该模型的目标威胁估计算法。采集90组原始数据组成训练集、30组数据组成测试集，对该目标威胁估计算...
基于改进支持向量机的目标威胁估计
信息融合 目标威胁估计 粒子群算法 支持向量机
2014/6/10
针对信息融合中目标威胁估计的特点，分析了传统目标威胁估计方法和支持向量机（SVM）的不足。采用粒子群算法（PSO）对SVM中惩罚参数c和核函数g进行优化，建立了改进的SVM（PSO_SVM）目标威胁估计模型及算法。介绍了粒子群算法和支持向量机的原理，建立了一种新的PSO_SVM目标威胁估计模型；基于该模型，实现了PSO_SVM目标威胁估计算法。为适应该算法，对数据进行了预处理，包括数据量化和归一化...
针对红外甲烷传感器在矿井下使用易受周围恶劣环境因素影响的问题，提出了一种动态感知的双子群粒子群-支持向量机(TSPSO- -SVM)补偿算法对其进行动态补偿。TSPSO算法同时优化非目标环境变量和SVM参数，其寻优精度高、收敛速度快，并在此基础上建立了综合补偿数学模型。实验表明，该补偿算法回归拟合效果好，模型的测量精度高于一般的粒子群最小二乘支持向量机(PSO-LSSVM)模型。
提出了一种基于图像技术实现白细胞分类的方法。首先,利用彩色图像的信息转换、距离变换和梯度矢量流活动轮廓(GVF Snake)等方法从血液细胞图像中提取出白细胞;然后,利用细胞核在图像中具有较高颜色饱和度的特点,结合数学形态学和GVF Snake方法从白细胞中精确地提取出细胞核。最后,根据细胞的形态、颜色及纹理特征用支持向量机(SVM)对白细胞进行分类。实验结果表明:在上述图像分割的基础上,基于支持...
变压器是电力系统的重要设备，其工作状态直接影响电网的稳定性。因此，研究变压器故障诊断技术以及如何提高变压器的运行维护水平具有重要的意义。经过大量的实践发现，常用的三比值法存在缺编码、编码边界过于绝对和故障诊断准确率不理想等缺陷。为弥补上述不足，提出了基于支持向量机的变压器故障诊断方法。诊断实例表明，采用该方法进行变压器故障诊断准确率得到较大提高。
一种改进的最小二乘支持向量机软测量建模方法
最小二乘支持向量机 粒子群优化算法 软测量 建模
2012/8/17
针对最小二乘支持向量机(LS-SVM)缺少支持向量所具有的稀疏性和模型参数值难以选择的问题，提出利用马氏距离进行样本相似程度分析，去除集中部分样本，以恢复最小二乘支持向量机的稀疏性的方法。同时，采用k-折交叉验证误差作为学习目标的粒子群优化算法来选取模型参数，并利用改进算法建立了精馏产品浓度的软测量模型。通过仿真验证了改进算法的有效性。结果表明模型精度较高，泛化能力强，满足工业测量要求。
基于云粒子群-最小二乘支持向量机的传感器温度补偿
云模型 粒子群优化 最小二乘支持向量机 温度补偿
2014/4/22
针对传感器的测量精度受温度影响较大问题，本文提出了一种基于云粒子群-最小二乘支持向量机（CMPSO-LSSVM）的温度补偿方法。云粒子群算法（CMPSO）将云模型算法应用于粒子群优化（PSO）算法的收敛机制，具有寻优精度高的特点。CMPSO算法对LSSVM的参数进行优化选择，建立CMPSO-LSSVM传感器温度补偿模型。将该模型应用于振弦式传感器的温度补偿，通过实验证明了该温度补偿方法优于当前其他...
针对木材干燥系统强藕合非线性的特性，提出了一种基于小波最小二乘支持向量机的预侧控制方法。讨论了利用小波支持向量机对木材干燥系统进行系统识别的方法，并将辨识模型应用于预测控制算法，实现了木材干燥的自适应控制。仿真结果表明，基于小波支持向量机的预测控制技术具有较好的鲁棒性，对木材干燥系统有很好的实用性。
传感器动态建模是研究传感器工作机理、评价动态性能指标及设计动态校正环节的重要途径。在分析最小二乘支持向量机回归算法的基础上，针对其可调参数的选择问题，提出了基于遗传算法进行全局优化的方法。仿真结果表明，将遗传优化最小二乘支持向量机算法应用于传感器的动态建模中，具有学习速度快和建模精度高的优点，所建模型具有较强的实用性和可靠性，为改善传感器动态性能及其在线补偿创造了条件。
支持向量机与证据理论在信息融合中的结合
信息融合 支持向量机 证据理论 基本概率分配
2014/5/12
在多传感器信息融合中，DS证据理论是一种重要方法，但是它的基石基本概率分配（BPA）一般不易确定，从而使它的优势难以得到发挥。支持向量机（SVM）是建立在统计学习理论之上的一种新型学习算法，但SVM的硬判决输出却不便于进行多传感器信息融合。为便于信息融合，本文提出了一种具有BPA输出的二类SVM，通过分析Platt概率输出模型的实质与不足提出利用SVM精度下限对其进行加权处理来得到证据理论的BPA...
基于无线传感器网络支持向量机奶牛行为特征识别
支持向量机 加速度传感器 行为特征识别 奶牛
2014/4/30
鉴于我国现有奶牛发情鉴定主要依赖于人工观测，效率低误判率高，通过给奶牛佩戴嵌入加速度传感器的无线传感节点，实时监测奶牛的行为，并通过基于二叉决策树支持向量机时间序列模型分析加速度数据，逐层分类奶牛的静止、慢走、快跑、爬跨行为类型。实验结果表明，该算法对于奶牛的轻微和剧烈的运动特征分类准确度达95.5%，这一结果为初步判断奶牛是否发情提供了有效的依据。
基于多分类支持向量机和证据合成方法的多传感器信息融合研究
支持向量机 证据理论 信息融合 多传感器
2016/9/8
为克服支持向量机和Dempster方法的不足，提出一种基于SVM多分类器的识别结果概率输出方法。以BPA函数的形式输出SVM多分类结果，对Dempster证据合成方法进行了改进：根据证据之间的相似性程度判断是否存在证据冲突，对于证据数目在3条以上且存在冲突的证据组合，引用统计理论中马氏距离的计算公式计算各证据与其余证据组合之间的距离，导出各证据的重要性权系数，由此对证据的BPA函数进行转化，采用D...
基于支持向量机的CVT压力传感器误差补偿（Error Compensation of CVT Pressure Sensor Based on Support Vector Machine）
无级变速器 压力传感器 误差补偿
2009/8/11
针对无级变速器（CVT）压力传感器测量误差较大的问题，提出了一种应用支持向量机（SVM）建立误差补偿模型的方法。在分析引起测量误差因素的基础上，确立了误差补偿模型的输入、输出基本结构；通过试验构建训练样本集，并完成误差补偿模型的训练，在训练过程中，通过遗传算法对模型参数进行了优化。试验结果表明，设计的误差补偿模型可以有效提高传感器的线性度，并可以把最大绝对误差从0.5MPa降至0.15MPa，显著...