Results 21 to 30 of about 1,632,211 (76)
Identification of Wiener Models Based on Least Square Support Vector Machine
, 2007 针对传统维纳模型辨识方法存在算法复杂、精度低的问题,通过对最小二乘支持向量机建模原理和维纳模型结构特点的分析,提出一种基于最小二乘支持向量机的维纳模型辨识新方法。该方法充分利用了维纳模型中具有线性环节这一先验知识,实现了线性和非线性环节参数的同时辨识。对于多变量维纳模型,该方法同样适用。给出并证明了该方法存在唯一解的约束条件—参数部分列满秩。仿真实验表明了该方法的有效性,与标准最小二乘支持向量机辨识方法相比 ...
苑明哲, 王卓, 王宏
core
, 2005 传统的基于支持向量机的文本过滤,用向量空间模型来表示文本和用户模板,向量空间 模型假设特征项之间是线性无关的,该假设引入了许多因具体用词变化不定而带来的词汇噪音信息, 影响了基于支持向量机的文本过滤的过滤性能。提出基于语义空间的支持向量机的文本过滤,用语 义来表示文本和用户模板。该方法主要通过奇异值分解提取文本的潜在语义空间,在语义空间上训 练支持向量机得到用户模板和过滤阈值,文本流上的文本映射到语义空间上,在语义空间上计算用户 模板和新文本的相似度。实验表明:该方法的过滤性能可以达到98.
周昌乐, 沈丽虹
core
Zhendong Ceshi yu Zhenduan为实现异步电机在运行状态下快速准确诊断故障类型，构建了优化的最小二乘支持向量机（least squares support vector machine，简称LSSVM）智能故障诊断模型。首先，LSSVM将不等式约束改为等式约束，收敛速度更快；其次，改进粒子群优化算法（particle swarm optimization algorithm，简称PSO）在迭代过程设置1个粒子变异过程，随机放置的粒子可带领种群摆脱局部最优的束缚，找到全局最优点；最后 ...
doaj +1 more source
Gaoya dianqi, 2013 污秽等级评定方法是绝缘子泄漏电流在线监测系统的重要研究内容,等值附盐密度是确定污秽等级的唯一依据,而泄漏电流与绝缘子表面污秽状况密切相关。笔者采用最小二乘支持向量机（LS-SVM）方法,建立以泄漏电流有效值、泄漏电流峰值、脉冲电流次数、环境湿度、温度5个变量作为输入参数,ESDD作为输出参数的智能预测模型。实验结果表明,该方法有效、模型预测精度高,能实现绝缘子表面污秽程度在线评估。
史丽萍, 祝艳华, 朱宁坦
doaj
, 2010 本发明涉及一种面向数据特点的合成核支持向量机的实现方法，包括以下步骤：数据预处理；特征提取、选择与分组：完成数据从数据空间到特征空间的转换，所选择特征反映分类识别目标的特性；训练样本、验证样本以及待分类样本的选择；分类器的选择与实现：选择面向数据特点的合成核支持向量机分类器，计算得到合成核参数；分类器的训练：利用训练样本，开展对DOCKSVM分类器的学习训练；分类器性能验证：通过对验证样本分类检验其性能，获得验证满意的DOCKSVM分类器；待分样本的分类；分类结果输出。本发明方法考虑应用领域数据的特点 ...
关燕宁 +7 more
core
Gaoya dianqi, 2010 最小二乘支持向量机（LS-SVM）能较好地解决小样本、非线性数据特征的多分类问题,适用于电力变压器油色谱故障气体预测,但参数c与σ2的选取对预测结果影响较大,有必要对其进行优化选择。笔者提出一种基于改进遗传算法（IGA）的参数寻优方法,并将其应用到变压器油中故障气体预测。IGA算法采用了编码机制,随机产生初始种群,可快速扩大搜索空间,稳定群体中个体多样性,有效提高全局搜索能力和收敛速度。最后进行了多组现场数据的实例分析,结果表明:基于IGA进行参数优化后的预测准确率明显优于传统LS-SVM预测结果。
王罡 +4 more
doaj
, 2019 工程應用上常使用之正高常以逐差水準測量獲得，然其所需成本較高;而由GPS水準測量獲得之正高具有所需成本低之特性。為提升GPS水準測量精度，求得滿足一定精度的大地起伏模型為當前主要研究課題。 本研究使用最小二乘支持向量機(Least Squares Support Vector Machine)擬合區域的大地起伏，並使用基因演算法(Genetic Algorithm)，藉著其能快速求得全局最優(global optimization)之特性，對最小二乘支持向量機之參數進行搜索並優化 ...
陳佳欣
core
Gaoya dianqi, 2019 电流检测法在进行高压断路器弹簧机构机械故障诊断时,由于样本数据小导致诊断准确率低。针对这一问题,文中通过模拟各种常见故障和分析不同故障下合闸线圈电流变化规律,提取能够反映断路器工作状态的特征值,并采用最小二乘支持向量机法进行故障诊断。在此基础上,采用粒子群算法不断进行优化以加快诊断速度和准确率。将上述方法进行实例验证,结果表明,文中提出的故障诊断法在相同条件下诊断效果优于广泛应用的BP神经网络诊断法,并且样本空间减小对其诊断结果无明显影响,从而验证文中方法的可行性。
姜海龙, 李潼清, 程浩, 侯春光
doaj
Research on acoustic emission source localization based on improved multi-output SVM
, 2018 为了提高根据声发射(AE)现象预报煤与瓦斯突出位置的精度,结合核主成分分析(KPCA),提出了一种改进的多输出最小二乘支持向量机(LSSVM)的目标定位方法。对于采集的声发射参数信号,采用核主成分分析提取重要定位特征;采用多输出最小二乘支持向量机建立定位模型,采用文化基因算法对多输出最小二乘支持向量机参数进行优化。试验测试定位性能,结果表明:算法提高了试验平台声发射定位的精度且定位时间少于其他定位算法 ...
荣胜波 +4 more
core
, 2008 经典的支持向量机(SVM)训练算法的实质是求解一个凸二次规划问题,当训练样本很多时,算法的速度会比较慢,且如果两类样本过分交叉,又会降低支持向量机的泛化能力。为了加快支持向量机的训练速度和改善其泛化能力,文章提出了一种改进的样本简约方法。该方法首先抽取边界样本,然后对边界样本中可能存在的噪音、孤立点进行修剪,由此得出最终的训练样本。实验结果表明,该简约方法不仅节约了训练时间 ...
吴武杰
core