向量机

摘要： 为了合理降维绝缘故障特征值,精准自适应诊断绝缘故障,提出船舶电气系统绝缘故障自适应诊断技术。利用核主成分分析法降维处理绝缘故障特征值,输入支持向量机;以边际最大化为原则,建立支持向量机的最优划分超平面,通过引入拉格朗日函数求解最优划分超平面,获取绝缘故障自适应诊断结果;采用粒子群算法优化支持向量机的参数,提升故障自适应诊断效果。实验结果证明:该技术可有效降低绝缘故障特征值维度,精准自适应诊断各种绝缘故障;在不同样本维度及绝缘故障规模下,该技术绝缘故障诊断的马修斯系数较高,即绝缘故障诊断精度较高。

摘要： 当前智慧温室大棚系统过程数据利用率低,种植经验与果蔬生长过程数据无法关联,导致无法更好的控制果蔬生长过程.文章通过向量机等人工智能算法,对果蔬生长过程环境参数进行跟踪和分析,动态选取策略子项进行组合,运用各种环境数据训练多类别、分类回归器和相邻模型的一致性的方法,实现温室大棚果蔬的种植环境的优化.实验证明,该方法能够有效地提升果蔬的成熟质量和有效控制生长周期,对果蔬的种植方法有较好的改进.

摘要： 随着人工智能等新技术不断发展,财务共享模式也迎来了新的历史发展纪元.针对建筑企业协作施工财务管理过程中的现状,提出了基于支持向量机的协作施工合同资金支付预警模型和基于BP神经网络的分包商信用信用评价模型,选择7个风险指标并设置三种风险等级,建立6个信用评价指标一级指标和20个二级指标.通过模型训练和测试,结果表明具有明显有效性,显著提高资金风险管控能力和保证信用评价的客观性.

摘要： 以利用大数据对库存水平进行预测为切入点,以通信行业的库存物资动态特征历史数据为支撑,通过数据挖掘和相关分析构建了基于支持向量机-稀疏贝叶斯学习方法(Support Vector Machine-Sparse Bayesian Learning,SVM-SBL)的库存信息需求概率预测模型。将上述预测模型应用于通信行业的一些仓储大数据项目中。实验结果表明,该预测模型为实现精细化库存管理提供了在数据基础和数据条件上的有力支撑,为通信库存状态的科学评估提供了依据,并且在一定的仓储安全水平下能够有效实现仓储成本的最小化。

摘要： 预测作为评估事物发展趋势及未来状态的有效技术,为了解决传统方法和技术应用涌现出的问题,机器学习在实践发展中展现出了积极作用.本文在了解当前社会风险预测及相关技术发展情况的基础上,掌握了基于机器学习的社会风险预测方法,并以信用风险预测为例,研究如何科学利用机器学习算法及其模型.

摘要： 以利用大数据对库存水平进行预测为切入点,以通信行业的库存物资动态特征历史数据为支撑,通过数据挖掘和相关分析构建了基于支持向量机-稀疏贝叶斯学习方法(Support Vector Machine-Sparse Bayesian Learning,SVM-SBL)的库存信息需求概率预测模型.将上述预测模型应用于通信行业的一些仓储大数据项目中.实验结果表明,该预测模型为实现精细化库存管理提供了在数据基础和数据条件上的有力支撑,为通信库存状态的科学评估提供了依据,并且在一定的仓储安全水平下能够有效实现仓储成本的最小化.

摘要： 在向量机模型基础上,建立起基于LS-SVR的电动汽车动力电池故障预测分析模型和处理流程,通过对过电压、欠电压和正常电压三种状态的预测结果和运行结果分析,得出如下结论:基于LS-SVR的电动汽车动力电池故障预测分析预测精度高、收敛速度快,且运算过程更加简便,可在动力电池故障诊断工作合理运用.

摘要： 随着无线通信技术的普及,无线通信容易被不法分子攻击.因此,提出基于计算机技术的无线通信网络安全风险预测研究.将无线通信网络安全的风险因素进行等级划分,通过计算机的最小二乘支持向量机算法来分析潜在的风险因素,并且对于无线通信网络安全分析建立模型,完成对于无线通信网络安全风险的预测.实验结果表明:研究方法的预测精度更高,具有可行性.

摘要： 研究传统的平均影响值(MIV)降维方法与改进的平均影响值(MIV)降维方法对说话人的语音分类率的影响,将美尔频率倒谱系数(MFCC)用在支持向量机(SVM)的平均影响值(MIV)降维方法中,对各维特征参数进行重要性排序,然后重新组合,将组合好的特征参数用SVM进行语音分类.通过仿真实验分析可以得到改进的MIV降维方法,能相对较好地提高识别性能.

摘要： 支持向量机是最近几年国际上模式识别研究的热点.文中研究基于向量机的傅立叶变换红外光谱中药材真伪快速鉴别方法.由于真品药材具有独特的红外光谱特征,该方法在中药材质量鉴别方面具有较好的可靠性和可推广性.

摘要： 随着设备复杂性程度的提高,征兆与故障之间呈现高度的非线性、不精确性和不确定性关系,最终导致在设备的故障诊断中越来越多地采用智能方法.本文综述了几种主要的智能诊断方法,并分析比较了它们各自的特点.

摘要： 随着设备复杂性程度的提高,征兆与故障之间呈现高度的非线性、不精确性和不确定性关系,最终导致在设备的故障诊断中越来越多地采用智能方法.本文综述了几种主要的智能诊断方法,并分析比较了它们各自的特点.

摘要： 随着设备复杂性程度的提高,征兆与故障之间呈现高度的非线性、不精确性和不确定性关系,最终导致在设备的故障诊断中越来越多地采用智能方法.本文综述了几种主要的智能诊断方法,并分析比较了它们各自的特点.

摘要： 随着设备复杂性程度的提高,征兆与故障之间呈现高度的非线性、不精确性和不确定性关系,最终导致在设备的故障诊断中越来越多地采用智能方法.本文综述了几种主要的智能诊断方法,并分析比较了它们各自的特点.

摘要： 描述了对半导体芯片执行向量运算的方法。该方法包括通过在半导体芯片上实现的向量功能单元来执行第一向量指令并且通过所述向量功能单元来执行第二向量指令。第一向量指令为向量乘加指令。第二向量指令为向量前导零计数指令。

摘要： 本发明涉及一种用于向量前导零、向量后导零、向量操作数 1 计数和向量奇偶性计算的功能单元。描述了对半导体芯片执行向量运算的方法。该方法包括通过在半导体芯片上实现的向量功能单元来执行第一向量指令并且通过所述向量功能单元来执行第二向量指令。第一向量指令为向量乘加指令。第二向量指令为向量前导零计数指令。

摘要： 描述了对半导体芯片执行向量运算的方法。该方法包括通过在半导体芯片上实现的向量功能单元来执行第一向量指令并且通过所述向量功能单元来执行第二向量指令。第一向量指令为向量乘加指令。第二向量指令为向量前导零计数指令。

摘要： 本发明涉及一种基于特征向量和最小二乘支持向量机的PM2.5浓度预测方法，属于环境污染预测领域。本发明首先收集与PM2.5浓度相关的污染物浓度数据进行预处理；然后计算综合气象指数；再对与PM2.5浓度相关的污染物浓度数据、综合气象指数进行相关性分析，得到包含综合气象指数的特征向量构成特征向量A和得到去除综合气象指数的特征向量构成特征向量B；最后通过特征向量A、特征向量B构成训练样本训练LS‑SVM模型并对预测结果进行评价。本发明结合环境监测数据和实际情况，将空气湿度、风力、温度三个因素与PM2.5的形成机理相结合，提出综合气象指数公式这一新的概念；预测精度较高。

摘要： 本发明涉及一种基于概率向量和模糊支持向量机算法的协作频谱感知方法，包括如下步骤：步骤一：认知无线电网络中主要用户PU和次级用户SU的分布设置；步骤二：次级用户SU对信道状态进行感知，检测主要用户PU所在通信频段中的信号状态，并且收集能量信息；步骤三：所有次级用户SU将检测到的的能量值传递给融合中心FC，由融合中心FC组成一组能量向量，T表示转置运算；步骤四：将能量向量的映射为二维的概率向量；将概率向量带入模糊支持向量机(FSVM)算法中进行训练，得到采用概率向量时的训练时间与分类延迟。

摘要： 本发明提供了一种基于独立向量分析和支持向量机的地质灾害次声信号分类识别方法及装置，其中包括：数据模块、信号处理模块、支持向量机分类模块、预测模块、分类结果模块；数据模块与信号处理模块连接，信号处理模块与支持向量机分类模块连接，支持向量机分类模块与预测模块连接、预测模块与分类结果模块连接。次声信号经过独立分量分析与离散小波变换后，分类准确率最高，且分类准确率提高显著。

摘要： 本发明公开了一种基于加权组成位置向量和支持向量机的蛋白质结构类预测方法。首先选取或构建蛋白质结构类标准数据集，再在组成位置向量的基础上引入加权因子，采用加权组成位置向量方法，表征待预测的蛋白质序列；并将加权组成位置向量与支持向量机结合，采用直接的多类分类策略，建立了蛋白质结构类预测方法。该方法不仅含有氨基酸组成的信息，而且还包含了蛋白质序列中每个氨基酸残基的位置信息，并且与蛋白质序列之间是一一对应的函数关系，在组成位置向量表征方法中引入权重因子，通过调节权重因子可以明显地提高预测精度，而且本方法简单、快速和灵敏，有望应用于其它蛋白质预测领域。

摘要： 本发明涉及一种基于特征向量和最小二乘支持向量机的PM2.5浓度预测方法，属于环境污染预测领域。本发明首先收集与PM2.5浓度相关的污染物浓度数据进行预处理；然后计算综合气象指数；再对与PM2.5浓度相关的污染物浓度数据、综合气象指数进行相关性分析，得到包含综合气象指数的特征向量构成特征向量A和得到去除综合气象指数的特征向量构成特征向量B；最后通过特征向量A、特征向量B构成训练样本训练LS-SVM模型并对预测结果进行评价。本发明结合环境监测数据和实际情况，将空气湿度、风力、温度三个因素与PM2.5的形成机理相结合，提出综合气象指数公式这一新的概念；预测精度较高。

摘要： 本发明公开了一种用于支持向量机的在线向量选取方法。其具体步骤是：当获得新的训练向量时，对向量集合进行计算求解边界向量。对得到的边界向量与原支持向量进行对比，去除与支持向量重合的边界向量；将处理后的边界向量通过支持向量机判断，保留判断错误的边界向量集合。将保留的边界向量与原支持向量合并就获得最终用于支持向量机训练的训练向量。本发明能大幅度的减少训练向量的数量，因此减少支持向量机的训练时间，并且不会影响支持向量机的分类精度。

摘要： 基于改进灰狼算法优化支持向量机回归机的通信基站流量预测方法，涉及通信基站的流量预测技术领域。为了解决传统的线性时间序列方法难以有效地捕获实际基站流量序列中复杂的非线性因素的问题，从而导致对当前通信基站流量预测误差大的问题。本发明首先收集通信基站的流量数据并对其划分、处理，然后设置SVR相关参数并设置改进灰狼优化算法参数，用改进后的灰狼算法求出SVR的惩罚因子和核函数参数的最优值，最后用优化后的SVR对测试集数据进行预测，并对输出结果进行反归一化处理，得到通信基站流量的预测结果。主要用于通信基站的流量预测。