基于LM/SVM方法的二次反应清洁汽油辛烷值预测 被引量：8

1

作者 袁俊 周小伟 杨伯伦 《高校化学工程学报》 EI CAS CSCD 北大核心 2010年第2期258-262,共5页

提出了一种莱文伯格—马夸特(LM)算法和支持向量机(SVM)有机结合的LM/SVM新算法,并将其应用于基于集总模型的二次反应清洁汽油研究法辛烷值的预测。借鉴复杂反应动力学研究中的集总方法,将汽油研究法辛烷值看成汽油饱和烃集总、烯烃集... 提出了一种莱文伯格—马夸特(LM)算法和支持向量机(SVM)有机结合的LM/SVM新算法,并将其应用于基于集总模型的二次反应清洁汽油研究法辛烷值的预测。借鉴复杂反应动力学研究中的集总方法,将汽油研究法辛烷值看成汽油饱和烃集总、烯烃集总、芳烃集总的函数,并采用支持向量机表达该函数。针对支持向量机参数及核函数参数难以选择的问题,通过莱文伯格-马夸特算法搜索支持向量机中的参数,并采取把训练集分割成工作样本和检验样本的策略,从而解决了过拟合的问题。利用经典测试函数对LM/SVM算法的性能测试结果表明:LM/SVM算法不但精度优于文献报道的遗传算法与支持向量机相结合的GA/SVM方法,而且其效率也远高于GA/SVM方法。LM/SVM方法对二次反应清洁汽油研究法辛烷值预测的相对误差绝对值的平均值为0.71%。 展开更多

关键词 清洁汽油 辛烷值 集总 lm/svm方法

在线阅读 下载PDF 职称材料

基于变步长LMS和SVM的电能表内异物声音识别 被引量：6

2

作者 蒋晓永 杨涛 《传感器与微系统》 CSCD 2019年第2期143-146,共4页

提出一种基于变步长最小均方(LMS)和支持向量机(SVM)的电能表内异物声音自动识别方法。由于SVM分类器对噪声敏感,通过变步长LMS实现对采集的电能表内异物声音信号的降噪,相较于固定步长LMS,信噪比提升明显,耗用时间较少。对声音信号进... 提出一种基于变步长最小均方(LMS)和支持向量机(SVM)的电能表内异物声音自动识别方法。由于SVM分类器对噪声敏感,通过变步长LMS实现对采集的电能表内异物声音信号的降噪,相较于固定步长LMS,信噪比提升明显,耗用时间较少。对声音信号进行时、频域和倒谱分析,并提取其短时特征系数及改进梅尔频率倒谱系数(MFCC)。并采用短时能量和MFCC系数构成混合特征矩阵,对该矩阵降维后输入SVM进行异物声音识别。实验证明:提出的方法计算量小、识别率高,有很好的应用价值。 展开更多

关键词 电能表异物声音 变步长最小均方 短时能量 改进梅尔频率例谱系数 支持向量机识别

在线阅读 下载PDF 职称材料

人脸特征选择中的SVM泛化误差估计 被引量：3

3

作者 李伟红 龚卫国 +1 位作者 杨利平 辜小花 《光学精密工程》 EI CAS CSCD 北大核心 2008年第8期1452-1458,共7页

为了研究在人脸特征选择中用支持向量机(SVM)泛化误差界作特征选择判据的有效性问题,结合过滤(Filter)和封装(Wrapper)模型构造了人脸特征选择及识别的新框架,将小波变换(WT)和核主元分析(KPCA)作为Filter模型,最小化SVM的VC维(VC)留一... 为了研究在人脸特征选择中用支持向量机(SVM)泛化误差界作特征选择判据的有效性问题,结合过滤(Filter)和封装(Wrapper)模型构造了人脸特征选择及识别的新框架,将小波变换(WT)和核主元分析(KPCA)作为Filter模型,最小化SVM的VC维(VC)留一法(LOO)误差界及支持向量span误差界作为Wrapper模型的特征选择判据;通过递归特征排除法(RFE)在UMIST人脸图像库上进行人脸特征选择及识别实验。实验结果表明:判据为VC维的LOO误差界和支持向量span误差界时,特征维数可以分别降低到80和70,而分类识别率仍然能达到94%以上,表明本文所提出的特征选择判据和特征搜索策略是解决人脸特征选择问题的一种有效方法。 展开更多

关键词 svm泛化误差界 人脸特征选择 Filter模型 Wrapper模型 递归特征排除法

在线阅读 下载PDF 职称材料

关于MLMS算法步长的一点注记 被引量：1

4

作者 裴炳南 李清善 《郑州大学学报（自然科学版）》 CAS 1995年第4期54-58,共5页

用数学分析和估值理论的方法研究修正ＬＭＳ算法的收敛性能与步长之间的关系，导出算法收敛的必要条件和性能失调与步长之间的约束条件；将修正ＬＭＳ算法与ＬＭＳ算法比较，得到修正算法实质上是有界的结论，无论修正算法中的参数μ取... 用数学分析和估值理论的方法研究修正ＬＭＳ算法的收敛性能与步长之间的关系，导出算法收敛的必要条件和性能失调与步长之间的约束条件；将修正ＬＭＳ算法与ＬＭＳ算法比较，得到修正算法实质上是有界的结论，无论修正算法中的参数μ取值多大，其实际计算步长都小于ＬＭＳ算法步长的上限。实验结果与理论分析相符合。 展开更多

关键词 信息处理 最小二乘法 步长 上界 MlmS算法

在线阅读 下载PDF 职称材料

SVM自适应波束成形

5

作者 葛红艳 邢光龙 +1 位作者 李燕 王伟超 《燕山大学学报》 CAS 2009年第4期332-335,共4页

支持向量机(Support Vector Machine,SVM)是机器学习领域的最新成果,它有较强的泛化能力,收敛快以及低复杂度等优点。本文通过对训练样本进行数据格式的转化,继而转化为libsvm和lssvm分类所要求的数据格式。然后在上行波束成形中使用SV... 支持向量机(Support Vector Machine,SVM)是机器学习领域的最新成果,它有较强的泛化能力,收敛快以及低复杂度等优点。本文通过对训练样本进行数据格式的转化,继而转化为libsvm和lssvm分类所要求的数据格式。然后在上行波束成形中使用SVM算法,提高空域滤波的分辨率,仿真结果显示:与LMS(LeastMean Squares,最小均方值,又叫随机梯度下降法)、MMSE(Minimum Mean-Square Error,最小均方误差)经典算法相比,误码率有了明显改善。 展开更多

关键词 svm lmS MMSE 误码率 波束成形 天线阵列

在线阅读 下载PDF 职称材料

可调对比度目标源装置中对比度的标定 被引量：5

6

作者 王素华 沈湘衡 叶露 《光学精密工程》 EI CAS CSCD 北大核心 2012年第5期949-956,共8页

搭建了可调对比度目标源装置,研究了图像对比度和光学对比度的关系,提出了用改进的BP神经网络标定对比度的方法。首先,设计了用于对比度标定的BP神经网络模型。然后,利用LM(Levenberg-Marquardt)算法结合缩放法改进神经网络以提高其收... 搭建了可调对比度目标源装置,研究了图像对比度和光学对比度的关系,提出了用改进的BP神经网络标定对比度的方法。首先,设计了用于对比度标定的BP神经网络模型。然后,利用LM(Levenberg-Marquardt)算法结合缩放法改进神经网络以提高其收敛速度及泛化能力。最后,通过可调对比度目标源装置实验平台,由测量的辐照度得出了对应的图像对比度数据,使该装置可以通过调节辐照度实时获得规定的对比度。与传统BP神经网络方法相比,改进后的BP神经网络收敛速度快,泛化能力强。标定精度比经典BP算法提高了100倍,比最速下降法提高了10倍。训练次数仅需2 876次时,对比度的标定值与目标值的误差最大值是0.01%,训练均方误差收敛为0.000 459 441,测试误差收敛为0.000 467 003,满足了对检验装置中对比度标定的需要。 展开更多

关键词 可调目标源 对比度标定 lm算法 缩放法 神经网络

在线阅读 下载PDF 职称材料

考虑能耗的多传感器融合加工表面粗糙度预测方法 被引量：8

7

作者 谢楠 周俊锋 郑蓓蓉 《表面技术》 EI CAS CSCD 北大核心 2018年第9期240-249,共10页

目的提出一种考虑能耗的多传感器融合加工表面粗糙度预测方法,精确预测零件表面粗糙度。方法首先采集车削过程中的功率和振动信号,测量加工表面粗糙度值,利用集成经验模态分解(Ensemble empirical mode decomposition,EEMD)和小波包分... 目的提出一种考虑能耗的多传感器融合加工表面粗糙度预测方法,精确预测零件表面粗糙度。方法首先采集车削过程中的功率和振动信号,测量加工表面粗糙度值,利用集成经验模态分解(Ensemble empirical mode decomposition,EEMD)和小波包分析提取振动信号的时域与频域特征,联合功率信号的时域特征、能耗特征与切削参数,构造联合多特征向量。然后采用核主成分分析(Kernel principal component analysis,KPCA)对联合多特征向量进行融合降维处理生成融合特征。最后将融合特征作为基于支持向量机(Support vector machine,SVM)的表面粗糙度预测模型的输入特征,并使用遗传算法(Genetic algorithm,GA)对SVM模型相关核参数进行优化以提高预测精度。结果预测得到的表面粗糙度平均相对误差为4.91%,最大误差为0.111μm,预测时间为9.24 s。与单传感器预测方法及多传感器联合特征预测方法相比,多传感器融合预测方法具有最高的准确率且预测速度快。结论多传感器采集的信息更全面、准确,保证了预测的准确性,对特征进行融合可进一步提高预测精度。 展开更多

关键词 能耗 多传感器融合 表面粗糙度 预测方法 核主成分分析 支持向量机

在线阅读 下载PDF 职称材料

VBR视频流量的小波包分解及其长时预测 被引量：2

8

作者 陈剑 闻英友 +1 位作者 赵大哲 刘积仁 《通信学报》 EI CSCD 北大核心 2008年第6期34-42,50,共10页

长时预测是VBR视频流量预测领域中的难点问题。针对其时变、非线性以及长相关性等特点,提出一种多尺度分解的VBR视频业务的特征提取方法。选择具有任意多分辨分解特性的小波包,对其进行空间划分并求解适合视频信号特征提取的最优分解基... 长时预测是VBR视频流量预测领域中的难点问题。针对其时变、非线性以及长相关性等特点,提出一种多尺度分解的VBR视频业务的特征提取方法。选择具有任意多分辨分解特性的小波包,对其进行空间划分并求解适合视频信号特征提取的最优分解基。基于最优基对视频信号进行快速多尺度分解,得到了各级节点的小波系数矩阵,建立了基于最小二乘支持向量机与最小均方的小波系数预测方法。最后,根据预测小波系数,进一步提出了基于小波系数逆变换的视频流量长时预测方法。仿真结果验证了此算法的有效性。 展开更多

关键词 VBR业务流量 多尺度分解 小波包 长时预测 最小二乘支持向量机 最小均方预测

在线阅读 下载PDF 职称材料

堆叠去噪自编码器在垃圾邮件过滤中的应用 被引量：13

9

作者 李艳涛 冯伟森 《计算机应用》 CSCD 北大核心 2015年第11期3256-3260,3292,共6页

针对垃圾邮件数量日益攀升的问题,提出了将堆叠去噪自编码器应用到垃圾邮件分类中。首先,在无标签数据集上,使用无监督学习方法最小化重构误差,对堆叠去噪自编码器进行贪心逐层预训练,从而获得原始数据更加抽象和健壮的特征表示;然后,... 针对垃圾邮件数量日益攀升的问题,提出了将堆叠去噪自编码器应用到垃圾邮件分类中。首先,在无标签数据集上,使用无监督学习方法最小化重构误差,对堆叠去噪自编码器进行贪心逐层预训练,从而获得原始数据更加抽象和健壮的特征表示;然后,在堆叠去噪自编码器的最上层添加一个分类器后,在有标签数据集上,利用有监督学习方法最小化分类误差,对预训练获得的网络参数进行微调,获得最优化的模型;最后,利用训练完成的堆叠去噪编码器在6个不同的公开数据集上进行测试。将准确率、召回率、更具有平衡性的马修斯相关系数作为实验性能评价标准,实验结果表明,相比支持向量机算法、贝叶斯方法和深度置信网络的分类效果,基于堆叠去噪自编码器的垃圾邮件分类器的准确率都高于95%,马修斯相关系数都大于0.88,在应用中具有更高的准确率和更好的健壮性。 展开更多

关键词 堆叠去噪自编码器 垃圾邮件 分类 支持向量机 贝叶斯方法

在线阅读 下载PDF 职称材料

网络化控制系统两种时延预测算法及其比较 被引量：5

10

作者 李春茂 肖建 张玥 《计算机应用》 CSCD 北大核心 2007年第2期257-260,264,共5页

针对网络化控制系统(NCS)中的随机时变时延,提出了两种时延预测算法——自适应最小均方差(LMS)算法和在线最小二乘支持向量机(LS-SVM)算法,对其进行预测,并用实际测试得到的网络时延数据,对两种算法的时延预测效果进行了详细分析比较,... 针对网络化控制系统(NCS)中的随机时变时延,提出了两种时延预测算法——自适应最小均方差(LMS)算法和在线最小二乘支持向量机(LS-SVM)算法,对其进行预测,并用实际测试得到的网络时延数据,对两种算法的时延预测效果进行了详细分析比较,指出了各自的特点和适用范围。 展开更多

关键词 网络化控制系统 时延估计 自适应AR模型 自适应lmS算法 最小二乘 支持向量机

在线阅读 下载PDF 职称材料

具有磁场效应的大间隔支持向量机 被引量：3

11

作者 陶剑文 王士同 《电子与信息学报》 EI CSCD 北大核心 2011年第5期1055-1061,共7页

为了提升模式分类泛化性能,该文提出一种新颖的具有磁场效应的大间隔支持向量机(MFSVM)。为了学习最优分割超平面,MFSVM通过引入最小化的q-磁场带,使得一类(或正常类)被包含其中,而另一类(或异常类)与该q-磁场带的间隔尽可能地大,从而... 为了提升模式分类泛化性能,该文提出一种新颖的具有磁场效应的大间隔支持向量机(MFSVM)。为了学习最优分割超平面,MFSVM通过引入最小化的q-磁场带,使得一类(或正常类)被包含其中,而另一类(或异常类)与该q-磁场带的间隔尽可能地大,从而实现类内内聚性的提高和类间间隔的增大,增强SVM学习泛化能力。在人造和实际数据集上实验结果显示,MFSVM分别在二类和一类模式分类上的性能均优于或等同于相关方法。 展开更多

关键词 模式分类 磁场效应 新奇检测 支持向量机 核方法

在线阅读 下载PDF 职称材料

基于机器学习的水质COD预测方法 被引量：14

12

作者 宓云軿 王晓萍 金鑫 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2008年第5期790-793,共4页

运用紫外光谱进行水质有机污染物浓度(化学耗氧量(COD))的检测,必须建立紫外光谱数据与COD值之间的数学模型.运用机器学习方法中的LM-BP神经网络和支持向量机,建立了紫外多波段光谱数据与COD值的相关性模型,讨论了在LM-BP神经网络建模... 运用紫外光谱进行水质有机污染物浓度(化学耗氧量(COD))的检测,必须建立紫外光谱数据与COD值之间的数学模型.运用机器学习方法中的LM-BP神经网络和支持向量机,建立了紫外多波段光谱数据与COD值的相关性模型,讨论了在LM-BP神经网络建模中网络结构选择、输入数据处理和训练程度控制,以及在支持向量机建模中核函数及其参数选择等问题.对某种水样的紫外多波段光谱,分别运用最小二乘法、LM-BP神经网络、支持向量机的相关性模型进行COD预测.结果表明,2种机器学习方法的预测能力明显优于最小二乘法,能够得到满意的预测精度,为运用物理方法解决化学量测量中普遍存在的相关性问题,提供了实际可行的解决方案. 展开更多

关键词 水质COD 机器学习 相关性模型 lm-BP神经网络 支持向量机 预测精度

在线阅读 下载PDF 职称材料