期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到7,495篇文章
< 1 2 … 250 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于KNN-SVM的混合气体检测方法研究 被引量：3
1
作者 孙超 胡润泽 +2 位作者 吴中旭 刘年松 丁建军 《光谱学与光谱分析》 SCIE EI CAS 北大核心 2025年第1期117-124,共8页
当今混合气体检测的研究中,针对多组分气体数据进行分类预测的数学算法百花齐放,如何快速且准确的检测出气体的成分和浓度逐渐成为当今研究的热门。然而在一些研究中,气体数据特征难以捕捉和判断,泛化能力不足,对气体数据进行分类预测... 当今混合气体检测的研究中,针对多组分气体数据进行分类预测的数学算法百花齐放,如何快速且准确的检测出气体的成分和浓度逐渐成为当今研究的热门。然而在一些研究中,气体数据特征难以捕捉和判断,泛化能力不足,对气体数据进行分类预测的精度和效率表现较差。为此,针对一些数据偏差和泛化误差无界的问题,提出了一种K最近邻-支持向量机(KNN-SVM)算法,对一些难以作出分类的模糊气体数据进行二次分类,采用KNN和SVM两种算法共同抉择,更加全面的捕捉数据特征,根据实验确定各自算法的权重比从而提高判别气体类别的准确率,两种算法的集成也能提高算法的效率,对于不同种类的气体也能有良好的适应性的稳定性。该实验气体组分由12 mg·L^(-1)的C_(2)H_(2)、NO_(2)、SF_(6),10 mg·L^(-1)的NO_(2)、SF_(6)和5 mg·L^(-1)的C_(2)H_(2)(背景气体皆为N_(2))以及两瓶纯N_(2)的气瓶组成;通过互相混合和与N_(2)配比制备出实验设定的气体浓度。实验过程通过单一气体的检测可分别对三种气体获得60组训练集,并通过这60组数据可进行线性拟合得到每种气体的拟合线,得到气体浓度与气体吸收峰值的关系,通过实验检测得到的三种气体拟合线,其中C_(2)H_(2)拟合线的调整后R^(2)为0.991,NO_(2)拟合线的调整后R^(2)为0.981,SF_(6)拟合线的调整后R^(2)为0.987,可得气体检测的准确性。再通过互相混合进行检测可分别获得40组训练集,采用KNN-SVM算法对混合气体进行分类和预测,后通过拟合线即可反演出混合气体中每种气体的浓度。将该算法与传统SVM算法进行各种分类指标对比均可显示出该算法的有效性和优越性。实验结果表明,KNN-SVM算法在气体分类预测方面表现出卓越的性能,准确率高达99.167%,AUC(area under curve)值达99.375%。这一算法不仅提高了气体检测的准确性,还增强了泛化能力可适应多样化的气体组分,为实时气体检测系统提供了有力支持。 展开更多
关键词 光声光谱 气体检测 KNN-svm 分类预测
在线阅读 下载PDF
融合SVM-RFE与层次分析-信息量模型的地质灾害易发性评价 被引量：1
2
作者 李文杰 巨能攀 +2 位作者 王栋 陈浩 解明礼 《自然灾害学报》 北大核心 2025年第3期99-109,共11页
我国地质灾害频发,严重威胁人民群众的生命及财产安全,开展地质灾害易发性评价工作对地质灾害防治起着重要的作用。目前,针对地质灾害易发性评价,其评价因子的选取多为单一定性分析,主观性较强,缺乏科学性,同时因子之间的相互关系考虑... 我国地质灾害频发,严重威胁人民群众的生命及财产安全,开展地质灾害易发性评价工作对地质灾害防治起着重要的作用。目前,针对地质灾害易发性评价,其评价因子的选取多为单一定性分析,主观性较强,缺乏科学性,同时因子之间的相互关系考虑较少。文中以林芝市为例,选取高程、坡度、坡向等14个初始影响因子,通过基于支持向量机的递归特征消除(support vector machine-recursive feature elimination,SVM-RFE)算法对因子进行重要性排序及筛选,采用皮尔逊相关性分析考虑因子之间的相互关系,结合重要性排序消除相关性较高的因子,从而确定出了12组易发性评价因子,并基于层次分析-信息量模型开展林芝市地质灾害易发性评价,采用成功率曲线进行结果精度检验。结果表明:研究区内地质灾害极高易发区和高易发区主要集中在主道路及其附近,以及主要水系延伸地区;高易发区是研究区内所占面积最广的区域,面积为45 312.16 km^(2),占林芝市总面积的30.37%。根据评价结果精度检验得到曲线下面积(area under curve,AUC)值为0.846,表明本方法开展地质灾害易发性评价的准确率较高,可为林芝市地质灾害防治和经济建设提供科学依据。 展开更多
关键词 svm-RFE 层次分析-信息量模型 地质灾害 评价因子 易发性评价
在线阅读 下载PDF
基于SVM模型的亚像素位移测量方法的研究 被引量：1
3
作者 沈澍 孙磊磊 +2 位作者 孙义杰 张浩 王森 《小型微型计算机系统》 北大核心 2025年第5期1156-1160,共5页
亚像素位移测量算法常见的有曲面拟合法、梯度法和插值法等,论文介绍了一种基于支持向量机(SVM)模型的亚像素位移测量方法,提出一种用于计算物体移动前后两幅图像的相关值来表征亚像素位移的梯度加权求和法.利用计算机模拟生成一系列以0... 亚像素位移测量算法常见的有曲面拟合法、梯度法和插值法等,论文介绍了一种基于支持向量机(SVM)模型的亚像素位移测量方法,提出一种用于计算物体移动前后两幅图像的相关值来表征亚像素位移的梯度加权求和法.利用计算机模拟生成一系列以0.001pixel步调的图像,其中70%作为训练集,30%作为测试集,为了检验该模型抗噪性,在生成的图像中添加不同方差的高斯噪声,并将其与曲面拟合法和梯度法进行比较,结果表明在精度要求为0.01pixel时,采用SVM法在保证高精度的情况下其抗噪性优于曲面拟合法和梯度法,其噪声方差上限为0.015,具有很好的鲁棒性可用于实际物体位移的高精度测量. 展开更多
关键词 支持向量机(svm) 亚像素位移 数字图像相关法(DICM) 梯度加权求和法 高斯噪声
在线阅读 下载PDF
局部密度最小不确定性的SVM样本选择算法
4
作者 周玉 刘虹瑜 +2 位作者 李京京 丁红强 白磊 《哈尔滨工业大学学报》 北大核心 2025年第8期45-56,共12页
为解决支持向量机(SVM)在分类时通常含有大量的冗余样本,从而导致面对较大规模数据集时SVM计算复杂度受到限制的问题,提出一种局部密度最小不确定性的SVM样本选择算法。该方法对决策面影响较大的边界数据进行有效选择,通过提取可能含有... 为解决支持向量机(SVM)在分类时通常含有大量的冗余样本,从而导致面对较大规模数据集时SVM计算复杂度受到限制的问题,提出一种局部密度最小不确定性的SVM样本选择算法。该方法对决策面影响较大的边界数据进行有效选择,通过提取可能含有支持向量的训练样本,降低计算开销,进而提高SVM性能。首先,计算训练样本的K互近邻个数与高斯核密度估计。其次,将K互近邻个数与高斯核密度估计进行加和得到每个样本点的K局部密度并获取密度矩阵。然后,利用局部密度不确定性平衡优化方法,将密度矩阵进行三值映射后使不确定性改变量达到最小时得到最优阈值,并划分密度矩阵为中心数据与边界数据。最后,提取边界数据并作为SVM的训练样本建立分类模型。结果表明:利用该方法在UCI数据集上与其他6种常用样本选择方法进行实验对比,以准确率、保存率作为性能指标,文中提出的算法可以迅速划分中心数据与边界数据并删除大量冗余的训练样本,有效降低SVM的训练负担的同时提高了分类性能。 展开更多
关键词 支持向量机(svm) 样本选择 局部密度 不确定性平衡 分类
在线阅读 下载PDF
深基坑开挖致高铁桥墩位移的SVM预测方法
5
作者 宋旭明 李小龙 +2 位作者 唐冕 王天良 程丽娟 《浙江大学学报(工学版)》 北大核心 2025年第6期1233-1240,1252,共9页
为了研究邻近基坑开挖引起的高铁桥梁墩顶附加位移对铁路运营安全的影响,依托某深基坑开挖工程,建立考虑地下水影响的土体-桥梁三维有限元模型.分析高铁桥墩附加位移的单因素敏感性.采用Box-Behnken design(BBD)试验设计方法结合支持向... 为了研究邻近基坑开挖引起的高铁桥梁墩顶附加位移对铁路运营安全的影响,依托某深基坑开挖工程,建立考虑地下水影响的土体-桥梁三维有限元模型.分析高铁桥墩附加位移的单因素敏感性.采用Box-Behnken design(BBD)试验设计方法结合支持向量机算法(SVM)建立高铁桥墩墩顶位移预测模型,结合蒙特卡洛法,对参数进行107次抽样计算,得到墩顶附加位移的可靠概率.研究结果表明:基坑与高铁桥墩距离的变化对墩顶横向位移和竖向位移的影响最大.在8组不同超参数组合的SVM模型中,最优模型的预测值与有限元计算值的最大误差小于6%,最优模型可代替有限元进行计算.在墩顶横向位移为2 mm的限值下,背景工程基坑与桥墩距离为35 m时,墩顶横向附加位移的可靠概率为33.12%;当基坑与桥墩距离增加到39 m时,墩顶横向附加位移的可靠概率为99.68%.所采用的分析方法可以削减因土层力学参数离散性大而产生的评估结果不确定性,为类似工程的安全评估提供参考. 展开更多
关键词 高速铁路 深基坑 墩顶附加位移 支持向量机(svm) 可靠度
在线阅读 下载PDF
基于GWO-SVM的测井岩性识别模型研究——以鄂尔多斯盆地榆林南气田山西组为例
6
作者 董凤娟 李昆昆 +4 位作者 费世祥 王京舰 周超 任大忠 卢学飞 《地质与勘探》 北大核心 2025年第4期872-880,共9页
鄂尔多斯盆地榆林南气田山西组地层发育一套以砂岩和泥岩为主、夹少量煤层的沉积序列,是该区油气勘探开发的重要目标层位。为提高岩性识别效率与精度,本研究采用随机森林算法(Random Forest)开展测井参数敏感性分析,优选出自然伽马(GR)... 鄂尔多斯盆地榆林南气田山西组地层发育一套以砂岩和泥岩为主、夹少量煤层的沉积序列,是该区油气勘探开发的重要目标层位。为提高岩性识别效率与精度,本研究采用随机森林算法(Random Forest)开展测井参数敏感性分析,优选出自然伽马(GR)、补偿中子(CNL)、声波时差(AC)和密度(DEN)4个对岩性响应敏感的特征参数。研究共提取865组样本数据(每组样本有4维测井属性、1维岩性标签),其中70%作为训练样本,其余30%作为测试样本。通过对比BP神经网络、支持向量机(SVM)、粒子群优化支持向量机(PSO-SVM)和灰狼优化支持向量机(GWOSVM)等机器学习方法,建立了山西组3种主要岩性的智能识别模型,并结合岩性剖面进行验证分析。结果表明,灰狼算法优化的支持向量机模型(GWO-SVM)表现最优,其识别准确率达93.4%,召回率和F1值分别为93.0%和93.6%,各项评价指标均优于对比模型,展现出更高的识别精度、更好的综合性能与可靠性。 展开更多
关键词 岩性识别 测井响应 机器学习 GWO-svm 山西组 榆林南气田 鄂尔多斯盆地
在线阅读 下载PDF
INRBO-SVM模型在边坡安全系数预测中的应用 被引量：2
7
作者 熊朝林 陈俊智 《矿冶工程》 北大核心 2025年第2期20-25,33,共7页
针对支持向量机(SVM)模型在预测边坡安全系数中选取参数困难的问题,优化牛顿-拉夫逊算法(NRBO)帮助SVM模型快速选取适当的超参数。引入动态反向学习策略、横向与纵向交叉策略和修正自适应系数计算公式对NRBO算法进行改进,构建INRBO-SVM... 针对支持向量机(SVM)模型在预测边坡安全系数中选取参数困难的问题,优化牛顿-拉夫逊算法(NRBO)帮助SVM模型快速选取适当的超参数。引入动态反向学习策略、横向与纵向交叉策略和修正自适应系数计算公式对NRBO算法进行改进,构建INRBO-SVM边坡安全系数预测模型。选取容重、黏聚力、内摩擦角、边坡角、边坡高度和孔隙水压比6个因素为模型输入,安全系数为输出,将训练后的INRBO-SVM模型、NRBO-SVM模型、SVM模型、RBF模型对9组测试样本进行安全系数预测。结果表明:INRBO-SVM模型安全系数预测性能最好,相关系数R^(2)为0.9999,高于其他模型;均方根误差和平均绝对误差均显著低于其他模型。工程应用结果表明,INRBO-SVM模型的安全系数预测误差均小于10%,大部分低于5%,证实了该模型预测安全系数的准确性以及实际应用价值。 展开更多
关键词 边坡稳定性 预测模型 安全系数 svm模型 INRBO算法 机器学习
在线阅读 下载PDF
基于特征融合的GA-SVM配电网单相接地故障选线方法 被引量：3
8
作者 张晓鹏 白洁 +3 位作者 孙乃君 李捷 郑帅 万庆祝 《电测与仪表》 北大核心 2025年第1期140-148,共9页
针对配电网单相接地故障数据量较少时,选线方法精度不高,提出一种基于特征融合的遗传算法优化支持向量机(genetic algorithm-support vector machine,GA-SVM)配电网单相接地故障选线方法,采用傅里叶变换、有功功率法以及小波包变换对不... 针对配电网单相接地故障数据量较少时,选线方法精度不高,提出一种基于特征融合的遗传算法优化支持向量机(genetic algorithm-support vector machine,GA-SVM)配电网单相接地故障选线方法,采用傅里叶变换、有功功率法以及小波包变换对不同故障工况下每一条线路的暂态零序电流进行分解,提取基波幅值、五次谐波幅值、平均有功功率分量及小波能量值四种特征,经主成分分析法对这四种特征进行融合,提取主成分分量,建立特征数据库,将特征数据库的80%作为训练集,20%作为测试集,通过GA-SVM对特征数据库中的样本进行训练,实现故障选线。通过MATLAB/Simulink搭建包含5条馈线的配电网仿真模型进行验证,结果表明,提出的算法可以通过小样本数据实现故障选线,选线精度较高,适用性强。 展开更多
关键词 单相接地故障 特征融合 GA-svm 暂态零序电流 小样本数据
在线阅读 下载PDF
基于GRA-EPSO-SVM模型的露天矿山爆破振动速度预测 被引量：1
9
作者 张鹏飞 袁永 +8 位作者 何运华 代少军 李佳臻 迟学海 李伟 孙雪 张焦 白润才 费鸿禄 《煤炭科学技术》 北大核心 2025年第7期105-115,共11页
露天矿爆破振动峰值是评价爆破效果的主要指标。在露天矿煤岩互层爆破场景下,针对现有的爆破振动峰值预测方法难以达到理想的预测结果,导致爆破参数、起爆网络设计不合理等问题,提出了一种灰色关联度特征选取下基于集成粒子群优化支持... 露天矿爆破振动峰值是评价爆破效果的主要指标。在露天矿煤岩互层爆破场景下,针对现有的爆破振动峰值预测方法难以达到理想的预测结果,导致爆破参数、起爆网络设计不合理等问题,提出了一种灰色关联度特征选取下基于集成粒子群优化支持向量机算法(GRA-EPSO-SVM)的爆破振动速度峰值预测模型。以元宝山露天煤矿不同赋存条件下的煤岩爆破为背景,选取孔距、排距、孔深、单段最大装药量、最小抵抗线、爆心距、高程差、质点振速峰值作为输入参数,采用灰色关联分析法(GRA)过滤影响爆破振动速度峰值的冗余因素(孔深、单段最大装药量、最小抵抗线、质点振速峰值);运用集成粒子群算法(EPSO)优化SVM算法的关键参数C和g,将参数输入到GRA-EPSOSVM模型中进行评估。结果表明:GRA-EPSO-SVM组合算法对比改进的萨道夫斯基公式、SVM的预测值和实际值更为吻合,平均误差分别降低15.3%和106.8%,预测结果的精度更高,更能有效预测露天矿煤岩互层爆破振动峰值,为露天矿开采爆破施工安全控制提供帮助。 展开更多
关键词 露天矿 振动峰值 灰色关联分析 优化支持向量机 GRA-EPSO-svm模型
在线阅读 下载PDF
ARIMA-SVM组合模型在肺结核发病预测中的应用
10
作者 刘敏 祁丹 +4 位作者 石峰 李兵 郝瑞霞 王东 白俊 《中国防痨杂志》 北大核心 2025年第S1期21-25,共5页
目的:研究ARIMA-SVM组合模型在内蒙古鄂尔多斯市肺结核发病预测中的应用,为制定肺结核防控策略提供参考。方法:以内蒙古鄂尔多斯市2010—2023年肺结核月发病数据作为训练集,2024年1—12月的肺结核发病数作为验证集,建立ARIMA模型、SVM... 目的:研究ARIMA-SVM组合模型在内蒙古鄂尔多斯市肺结核发病预测中的应用,为制定肺结核防控策略提供参考。方法:以内蒙古鄂尔多斯市2010—2023年肺结核月发病数据作为训练集,2024年1—12月的肺结核发病数作为验证集,建立ARIMA模型、SVM模型与ARIMA-SVM组合模型,并对三种模型的预测精度和建模效果进行分析与评价。结果:ARIMA-SVM组合模型数据拟合RMSE、MAPE分别为15.56、5.87%,模型预测RMSE、MAPE分别为6.48、2.75%,拟合和预测效果均优于单一的ARIMA模型与SVM模型。结论:ARIMA-SVM组合模型能较好地拟合和预测内蒙古鄂尔多斯市肺结核的月发病数,可为该病的监测和防控工作提供依据。 展开更多
关键词 肺结核 ARIMA svm 组合模型 预测
在线阅读 下载PDF
基于改进SVM与马氏距离的机器人状态评估方法研究
11
作者 姚伟滨 吴湘柠 +3 位作者 陈义时 陈成刚 韦锦 蒙艳玫 《组合机床与自动化加工技术》 北大核心 2025年第10期32-38,43,共8页
针对复杂环境作业机器人运行过程健康状态定量评估不准确问题,以及进一步进行机器人故障异常检测分析。从机器人电机故障引起的电流信号异常特征与数据驱动两个方面出发,采用一种自适应窗口的特征提取方法提取时频域运动不敏感特征。提... 针对复杂环境作业机器人运行过程健康状态定量评估不准确问题,以及进一步进行机器人故障异常检测分析。从机器人电机故障引起的电流信号异常特征与数据驱动两个方面出发,采用一种自适应窗口的特征提取方法提取时频域运动不敏感特征。提出一种基于增量one-class SVM算法的无监督学习机器人实时异常检测方法,提升局部异常检测能力,并采用马氏距离法建立状态数据与健康值之间的非线性映射关系,最终得到健康状态评估结果。通过分析机器人维护前后的运行数据结果表明,该方法检测效果达到97.54%,与其他类似方法对比,准确率更高,耗时更短,适应性和鲁棒性更好,能有效应用于作业机器人运行过程的健康状态评估。 展开更多
关键词 机器人 增量学习 one-class svm 马氏距离 健康评估
在线阅读 下载PDF
低信噪比条件下基于Pietra-Ricci指数和SVM的协作式盲频谱感知算法
12
作者 田欣鑫 雷可君 +3 位作者 潘小萍 张淞 谭宇豪 杨喜 《江苏大学学报(自然科学版)》 北大核心 2025年第3期316-322,共7页
针对认知无线电中频谱感知环节在低信噪比条件下频谱识别率低的问题,提出一种基于Pie-tra-Ricci指数(PRI)和支持向量机(SVM)的盲频谱感知算法.通过取样协方差矩阵构造PRI感知判决量;利用标定的特征样本对SVM进行训练,得到频谱占用状态... 针对认知无线电中频谱感知环节在低信噪比条件下频谱识别率低的问题,提出一种基于Pie-tra-Ricci指数(PRI)和支持向量机(SVM)的盲频谱感知算法.通过取样协方差矩阵构造PRI感知判决量;利用标定的特征样本对SVM进行训练,得到频谱占用状态的最佳分类模型.采用PRI作为特征量,以期能很好地表征接收信号的变化特性.通过引入核函数将信号特征空间映射到高维空间,以期有利于样本的区分.构建基于PRI和SVM相结合的频谱感知分类器.采用PRI作为判决量,给出了算法流程及复杂度分析,并对算法进行了仿真分析.结果表明,新算法能很好地实现低信噪比条件下对用户信号和噪声的准确分类,并且新算法获得了比同类算法更低的计算复杂度;与现有同类算法相比,新算法在虚警概率为0.1时,检测概率高达89.4%,比基于Cholesky分解作为判决量算法的检测概率69.4%提高20.0%,有效地提升了主用户信号识别的准确率. 展开更多
关键词 认知无线电 盲频谱感知 低信噪比 Pietra-Ricci指数(PRI) svm 协作式 协方差矩阵 决策分类
在线阅读 下载PDF
基于改进JSOA-SVM的地铁站台门故障诊断
13
作者 王若凡 朱松青 +2 位作者 杨柳 郝飞 徐涛 《噪声与振动控制》 北大核心 2025年第2期112-117,125,共7页
为准确地对地铁站台门进行故障诊断,并针对支持向量机(Support Vector Machine,SVM)在故障诊断中的参数选择问题,将跳蛛算法(Jumping Spider Optimization Algorithm,JSOA)用于SVM参数优化提升诊断性能,同时针对JSOA易陷入局部最优、收... 为准确地对地铁站台门进行故障诊断,并针对支持向量机(Support Vector Machine,SVM)在故障诊断中的参数选择问题,将跳蛛算法(Jumping Spider Optimization Algorithm,JSOA)用于SVM参数优化提升诊断性能,同时针对JSOA易陷入局部最优、收敛速度慢等不足,提出一种多策略改进跳蛛算法(Improved Jumping Spider Optimization Algorithm,IJSOA)优化SVM的站台门故障诊断方法。首先使用Teager能量算子、变分模态分解(Variational Mode Decomposition,VMD)以及精细复合多尺度模糊熵(Refined Composite Multiscale Fuzzy Entropy,RCMFE)提取信号特征;其次,通过IJSOA寻找SVM最优参数组合构建诊断模型;最后,使用提取的特征向量输入诊断模型实现站台门故障诊断。结果表明提出方法平均识别率为97.774%,诊断精度较其余几种方法更具优势,能够有效提升故障诊断分类效果。 展开更多
关键词 故障诊断 地铁站台门系统 变分模态分解(VMD) 跳蛛优化算法(JSOA) 支持向量机(svm)
在线阅读 下载PDF
基于BSMOTE-SVM的细粒沉积岩岩相智能预测:以松辽盆地青山口组一段为例
14
作者 唐佰强 孟庆涛 +6 位作者 杨亮 胡菲 谭悦 邢济麟 刘招君 张恩威 董秦玮 《古地理学报》 北大核心 2025年第4期937-949,共13页
细粒沉积岩岩相的空间展布特征是页岩油勘探的关键研究内容。由于高成本且稀缺的取心井限制了岩相的分析,测井预测岩相的工作变得尤为重要。以松辽盆地青山口组一段(青一段)为例,建立了“岩性+矿物+TOC+沉积构造”的岩相划分方案,确定了... 细粒沉积岩岩相的空间展布特征是页岩油勘探的关键研究内容。由于高成本且稀缺的取心井限制了岩相的分析,测井预测岩相的工作变得尤为重要。以松辽盆地青山口组一段(青一段)为例,建立了“岩性+矿物+TOC+沉积构造”的岩相划分方案,确定了7类岩相。结合6条常规测井曲线形成了X8井的岩相—测井数据库。综合使用机器学习中的随机森林(RF)、XGBoost和支持向量机(SVM)3种模型评价岩相的预测效果,并确定SVM是最优分类模型,使用BSMOTE处理岩相样本的分类不平衡问题并将处理后的数据输入到SVM模型,建立了BSMOTE-SVM的岩相预测的组合模型。BSMOTE-SVM的预测效果最佳,准确率(A)、精确率(P)、召回率(R)和F1依次分别为86.49%、86.60%、86.49%和86.31%。该组合模型可快速且精准的预测多井的岩相,并确定了松辽盆地长岭凹陷青一段的岩相分布,为下一步页岩油有利富集区的优选提供了一定指导依据。 展开更多
关键词 细粒沉积岩 岩相 测井预测 BSMOTE-svm 青山口组 松辽盆地
在线阅读 下载PDF
基于SVDD和SVM的高压调门油动机状态监测系统研究
15
作者 马立强 姜安琦 +2 位作者 姜万录 郑云飞 吴凤和 《振动与冲击》 北大核心 2025年第12期238-248,共11页
在高压调门油动机的运行监控中,由于正常状态的样本远多于故障样本,故障数据稀缺且采集相对困难,此外还存在故障发生的不确定性,传统的监测方法难以有效应用。对此,提出了一种基于支持向量数据描述(support vector data description,SV... 在高压调门油动机的运行监控中,由于正常状态的样本远多于故障样本,故障数据稀缺且采集相对困难,此外还存在故障发生的不确定性,传统的监测方法难以有效应用。对此,提出了一种基于支持向量数据描述(support vector data description,SVDD)异常检测和支持向量机(support vector machine,SVM)故障诊断的高压调门油动机状态监测系统。首先,从原始数据中提取时域(time domain,T)、频域(frequency domain,F)和时频域小波包子带能量(wavelet packet subband energy,W)特征,并通过特征融合及归一化的方式形成新的多维融合特征向量TFW。随后,采用卷积神经网络(convolutional neural network,CNN)对TFW进行深层次挖掘,生成更具表现力的特征TFWCNN,以此作为SVDD和SVM模型的输入。搭建了高压调门油动机故障模拟试验台,用以采集数据并验证该方法的有效性。研究结果表明:在三个具有不同阀位开度的高压调门油动机动态数据集上,SVDD异常检测的F1分数分别达到0.9991、0.9978和0.9760;SVM故障诊断的F1分数分别为0.9988、0.9950和0.9867;不仅说明该方法在高压调门油动机的状态监测中表现出的优异性能,同时也说明深度TFWCNN特征在高压调门油动机状态监测中的有效性和准确性;还为类似的汽轮机状态监测诊断系统提供了一种有效的技术方案。 展开更多
关键词 高压调门油动机 支持向量数据描述(SVDD)异常检测 支持向量机(svm)故障诊断 状态监测系统
在线阅读 下载PDF
基于EEMD-SVM的混凝土大坝活动裂纹电磁辐射信号识别方法
16
作者 侯春尧 毛延翩 +4 位作者 谭大文 张洪毅 周益 张敬华 黄松岭 《中国测试》 北大核心 2025年第3期16-21,52,共7页
为解决混凝土大坝活动裂纹电磁辐射信号与电磁干扰信号混淆、识别准确率低的问题,该文提出一种基于集成经验模态分解(EEMD)-支持向量机(SVM)的混凝土大坝活动裂纹电磁辐射信号识别方法。该方法利用EEMD将混凝土大坝周围环境电磁辐射信... 为解决混凝土大坝活动裂纹电磁辐射信号与电磁干扰信号混淆、识别准确率低的问题,该文提出一种基于集成经验模态分解(EEMD)-支持向量机(SVM)的混凝土大坝活动裂纹电磁辐射信号识别方法。该方法利用EEMD将混凝土大坝周围环境电磁辐射信号分解为多个本征模态函数,构建汉克尔矩阵和奇异值分解方法,获取不同本征模态函数的平均值、方差和峭度值等信号特征量,结合SVM识别混凝土大坝活动裂纹电磁辐射信号和周围环境干扰噪声。对400组混凝土活动裂纹电磁辐射信号与干扰噪声进行比较,所提出的方法识别成功率高,最终识别准确率大于95%,高于其他传统信号处理算法的识别率,可为混凝土大坝活动裂纹的识别提供参考依据。 展开更多
关键词 混凝土大坝 活动裂纹 电磁辐射 EEMD-svm 信号识别
在线阅读 下载PDF
基于CNN-SVM的行人活动识别方法 被引量：2
17
作者 张帅 李召洋 +1 位作者 陈建广 黄风华 《导航定位学报》 北大核心 2025年第1期87-93,共7页
针对传统行人活动识别方法过度依赖人工手动选择和提取特征,导致特征提取难度大及识别准确率低的问题,提出一种基于卷积神经网络结合支持向量机(CNN-SVM)的行人活动识别模型:将数据输入到卷积神经网络(CNN)与归一化指数函数(Softmax)层... 针对传统行人活动识别方法过度依赖人工手动选择和提取特征,导致特征提取难度大及识别准确率低的问题,提出一种基于卷积神经网络结合支持向量机(CNN-SVM)的行人活动识别模型:将数据输入到卷积神经网络(CNN)与归一化指数函数(Softmax)层相结合的网络中进行训练直至网络收敛,收敛的CNN网络用于自动提取行人活动数据特征;然后利用支持向量机(SVM)取代CNN网络的归一化指数函数(Softmax)层来优化分类效果。实验结果表明,所提出的CNN-SVM模型可达到97.77%的识别准确率,优于对比实验模型,具有较好的行人活动识别效果。 展开更多
关键词 行人活动识别 卷积神经网络(CNN) 支持向量机(svm) 惯性传感器 深度学习
在线阅读 下载PDF
基于SVM-KNN算法的高铁行车调度员认知负荷脑电评估方法 被引量：1
18
作者 张光远 王敬儒 +3 位作者 梁心怡 秦诗雨 李莎 朱泊霖 《中国安全生产科学技术》 北大核心 2025年第7期166-172,共7页
为准确评估高铁行车调度员认知负荷,根据脑电特征解析其动态变化,从而提升工作效率,保障列车运行安全。通过采集模拟调度任务下的脑电信号,采用最大相关最小冗余算法(mRMR)对Welch法提取后的脑电特征进行进一步降维,并基于SVM-KNN融合... 为准确评估高铁行车调度员认知负荷,根据脑电特征解析其动态变化,从而提升工作效率,保障列车运行安全。通过采集模拟调度任务下的脑电信号,采用最大相关最小冗余算法(mRMR)对Welch法提取后的脑电特征进行进一步降维,并基于SVM-KNN融合分类算法建立高铁行车调度员认知负荷分级识别模型。研究结果表明:该模型以较少的特征维度实现较高的识别准确率,总体准确率达87.03%。对比得出,使用mRMR方法进行降维处理能够有效提高分类模型的识别准确率,同时SVM-KNN融合分类算法的识别准确率要高于单分类算法。研究结果可为实现高铁行车调度员认知负荷监测预警提供理论基础。 展开更多
关键词 高速铁路行车调度员 认知负荷 脑电信号 最大相关最小冗余 支持向量机 K近邻
在线阅读 下载PDF
基于SVM-双加权RkNN模型的汉服月销分类问题
19
作者 许小诺 张秋梅 《丝绸》 北大核心 2025年第10期21-30,共10页
汉服作为彰显中华优秀传统文化的服饰之一,在近些年逐渐走进大众视野。本文旨在准确预测汉服销量,为店铺提供数据用于合理经营,共同助力汉服的传承和推广。以淘宝平台的汉服销量为研究对象,建立包含汉服的形制、款式和传统文化等影响汉... 汉服作为彰显中华优秀传统文化的服饰之一,在近些年逐渐走进大众视野。本文旨在准确预测汉服销量,为店铺提供数据用于合理经营,共同助力汉服的传承和推广。以淘宝平台的汉服销量为研究对象,建立包含汉服的形制、款式和传统文化等影响汉服销量的指标体系。针对汉服月销的二分类问题,建立SVM-双加权RkNN模型,有效解决支持向量机分离超平面附近点易错分的问题;针对高销汉服的三分类问题,在SVM-双加权RkNN模型的基础上引入两点改进。分类结果表明,本文提出的模型在二分类和三分类问题上的准确率分别达到了0.8830和0.7778,均具有较好的分类效果,可以帮助汉服原创品牌预测汉服月销,合理安排生产存储计划,及时调整营销策略。 展开更多
关键词 汉服 销量分类 影响因素 指标体系 svm 双加权RkNN
在线阅读 下载PDF
基于SARIMA-SVM模型的季节性PM_(2.5)浓度预测 被引量：1
20
作者 宋英华 徐亚安 张远进 《计算机工程》 北大核心 2025年第1期51-59,共9页
空气污染是城市环境治理的主要问题之一,而PM_(2.5)是影响空气质量的重要因素。针对传统时间序列预测模型对PM_(2.5)浓度预测缺少季节性因素分析,预测精度不够高的问题,提出一种基于机器学习的季节性差分自回归滑动平均-支持向量机(SARI... 空气污染是城市环境治理的主要问题之一,而PM_(2.5)是影响空气质量的重要因素。针对传统时间序列预测模型对PM_(2.5)浓度预测缺少季节性因素分析,预测精度不够高的问题,提出一种基于机器学习的季节性差分自回归滑动平均-支持向量机(SARIMA-SVM)融合模型。该融合模型为串联型融合模型,将数据拆分为线性部分与非线性部分。SARIMA模型在差分自回归滑动平均(ARIMA)模型的基础上增加了季节性因素提取参数,能有效分析PM_(2.5)浓度数据的季节性规律变化趋势,较好地预测数据未来的线性变化趋势。结合SVM模型对预测数据的残差序列进行优化,利用滑动步长预测法确定残差序列的最优预测步长,通过网格搜索确定最优模型参数,实现对PM_(2.5)浓度数据的长期预测,同时提高整体预测精度。通过对武汉市近5年的PM_(2.5)浓度监测数据进行分析,结果表明该融合模型的预测准确率相较于单一模型有很大提升,在相同的实验环境下比单一的ARIMA、Auto ARIMA、SARIMA模型分别提升了99%、99%、98%,稳定性也更好,为PM_(2.5)浓度预测研究提供了新的思路。 展开更多
关键词 季节性差分自回归滑动平均 支持向量机 融合模型 PM_(2.5)浓度 季节性预测
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 250 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部