相关向量机

摘要： 为准确掌握库区滑坡变形潜势,在变形监测成果统计基础上,首先利用极限位移准则开展滑坡现状变形潜势分析;然后以相关向量机为理论基础,通过优化处理保证其参数最优性,构建滑坡变形预测模型,并以预测结果开展滑坡变形潜势的发展趋势评价;最后结合两种分析结果,实现滑坡综合变形潜势分析。结果表明,不同监测点的现状变形潜势状态存在一定差异,由不利原则可知,现状变形潜势等级为Ⅳ级,潜势程度属严重状态;滑坡变形仍会进一步增加,变形潜势趋于不利方向发展。综合两种分析结果可知,滑坡变形潜势处于不利状态,后期失稳可能性较大,应加强灾害防治,避免成灾损失。

摘要： 相关向量机(RVM)是目前最受关注的新一代模式识别技术之一,阐述了基于相关向量机的故障诊断方法、应用前景等。介绍相关向量机的分类、回归模型及其国内外研究进展;对RVM提出至今在故障诊断和退化评估与寿命预测中的应用研究进行综述;最后分析在故障诊断中RVM方法存在的弊端及其未来研究趋势。

摘要： 木材顺纹抗压强度是评价木材力学性能的重要指标,而传统测量方法操作复杂、精确度低。以桦木为例,提出基于近红外光谱技术(NIR)的SEPA-VISSA-RVM木材顺纹抗压强度模型,实现对其更加精确的预测。试验选取100个木材试件,在900~1700 nm近红外光谱波段上采集数据并测量抗压强度真值;然后采用卷积平滑(SG)方法进行光谱预处理;使用采样误差分布分析(SEPA)作为变量空间迭代收缩算法(VISSA)的改进策略进行特征波长优选;最后通过粒子群优化算法(PSO)优化核函数参数并建立相关向量机(RVM)的预测模型。试验表明:在特征波长优选方面,以偏最小二乘法(PLS)建模为基础的SEPA-VISSA方法,其预测决定系数为0.9593,预测均方根误差为2.8995,相对分析误差为3.0256,光谱变量数由512减小到111个,占总波长的22%,均优于VCPA、CARS和VISSA算法;在建模预测方面,以SEPA-VISSA所选波长为基础的RVM模型,PSO优化的拉普拉斯(Laplacian)核函数的核宽度为10.4043,决定系数为0.9449,预测均方根误差为2.0432,相对分析误差为4.2936,预测效果优于PLS和SVR。因此,基于近红外光谱的SEPA-VISSA-RVM建模能够实现对桦木顺纹抗压强度更准确和稳定的无损检测。

摘要： 为改善防空作战中对空中目标威胁的判断决策能力,提出了一种基于蜂群(ABC)算法和相关向量机(RVM)的空中目标威胁评估方法。从防空作战的实际出发,依据数理统计分析构建空中目标威胁指标体系;采用ABC算法优化多核RVM的相关参数,构建空中目标威胁评估模型。仿真分析表明,该方法是一种精度较高的空中目标威胁评估方法,在各项精度指标上均优于单一Gauss核或单一Sigmoid核的RVM方法,从而证实它的有效性和可行性。

摘要： 为提高医院网络安全评估预测的精度,采用层次分析法从资产、脆弱性、威胁等3个方面建立医院网络安全量化评价指标体系,同时采用BA算法对RVM模型的核函数宽度进行优化,得到用于医院网络安全量化评估预测的BA-RVM模型。将RVM模型和BA-RVM模型分别应用于山东省某三甲医院的网络安全量化评估预测实例中,通过对比预测结果,验证了提出的BA-RVM模型对医院网络安全量化评估预测具有更高的精度和稳定性。

摘要： 农产品价格直接影响人民的生活水平,研究农产品价格的内在规律和做好农产品价格的预测具有重要意义。文章基于引力搜索算法和相关向量机理论建立了农产品价格指数拟合模型。仿真结果表明,该方法是有效的。

摘要： 为提高对爆破振动速度预测的准确性,提出一种基于相关向量机(RVM)的爆破振动速度预测模型。利用该模型建立爆破振动速度与其影响因素之间的非线性映射关系,通过选取影响爆破振动速度的3个主要因素(炸药用量、距离、高程差),并对这3个主要影响因素产生的36组数据进行拟合训练,根据这36组训练样本来对剩余5组样本进行精准预测。将该模型进行实例应用并与BP神经网络模型预测和GA-BP神经网络模型的结果进行对比,在相同的影响因素数据样本条件下,RVM模型预测精度更高、离散性更小。与实际值相比,RVM预测的爆破振动速度的平均相对误差均明显优于利用BP神经网络和GA-BP神经网络预测得到的平均相对误差,进一步验证了RVM模型能够提高预测精度的准确性和稳定性。

摘要： 机器学习的重要理论之一是统计学。在传统的统计学理论中,只有在样本数量足够多的情况下才能取得近乎理想的成果。文章主要提出了一种新型机器学习方法——相关向量机。与传统机器学习项目相比,相关向量机具有较多的优势,包含概率型输出的实现、核函数选择更加自由等,能够显著提升机器学习算法的科学性和合理性。

摘要： 基于序列分解—参数优化—分项预测—结果叠加思想,构建奇异谱分析(SSA)-梯度优化(GBO)算法与相关向量机(RVM)、支持向量机(SVM)集成的中长期月径流预测模型。首先采用SSA方法对实例月径流数据进行处理,提取多个独立的子序列;其次介绍GBO算法原理,基于6个典型函数对GBO算法进行仿真测试。利用GBO算法优化RVM核宽度因子和超参数、SVM惩罚因子和核函数参数,分别建立SSA-GBO-RVM、SSA-GBO-SVM模型对各子序列进行预测,叠加后作为最终月径流预测结果;最后以云南省龙潭站65年共780个月月径流预测为例,选取实例前53年作为训练样本,后10年共120个月作预测样本对SSA-GBO-RVM、SSA-GBO-SVM模型进行检验。结果表明:GBO算法在不同维度条件下寻优效果优于MPA、PSO算法,具有较好的寻优精度和全局搜索能力。SSA-GBO-RVM、SSA-GBO-SVM模型对实例120个月月径流预测的平均绝对百分比误差分别为6.20%、7.82%,平均绝对误差分别为0.88、1.00 m^(3)/s,纳什系数分别为0.9926、0.9913,均具有较好的预测精度和较高的可信度。相对而言,SSA-GBO-RVM模型优于SSA-GBO-SVM。

摘要： 为快速获取及评价混凝土的综合性能,选取影响混凝土综合性能的6个主要因素为输入数据,混凝土综合性能(28 d强度、坍落扩展度及表观密度)为输出数据,建立基于相关向量机(RVM)的混凝土综合性能预测模型,对14组学习样本进行拟合训练,并对其余5组预测样本进行预测。结果表明:在相同的样本条件下,与BP神经网络模型进行对比,RVM模型预测精度更高,离散性更小;同时,与实际值相比,RVM模型预测的混凝土综合性能指标的平均相对误差均明显小于BP神经网络模型预测得到的平均相对误差,进一步验证了RVM模型对混凝土综合性能预测的可靠性,具有较好的推广价值。

摘要： 精密机床主轴是高精度、长寿命、高可靠性零部件,传统基于大量失效寿命数据统计的可靠性评估方法不能有效评估单一主轴运行可靠性,提出了一种基于相关向量机(Relevance Vector Machine,RVW)及干涉理论的电主轴运行可靠性评估方法.该方法以加工表面的粗糙度作为评估电主轴运行可靠性的状态指标,首先利用RVM构建加工工艺参数、主轴振动特征与表面粗糙度之间的预测模型,进而基于该模型获得实时的表面粗糙度预测值及其概率密度函数;接着引入可靠性干涉理论,利用当前表面粗糙度分布函数预测值及依据表面质量要求确定的表面粗糙度的上限阈值及其分布函数,计算获得当前工况条件下的可靠性评估结果.最后通过设计主轴铣削实验验证了本文的方法,评估误差为13.8％,证明该方法的有效性和可行性.

摘要： 文中提出了基于多参量的GIS设备气体绝缘状态评估方法.该方法首先对影响GIS设备绝缘状况的因素进行了详细的分析,确定影响该气体绝缘状态的主要因素.然后利用气体组成成分、温度、湿度、压力、纯度作为因素集,对其进行绝缘评估.最后,采用一对一的分类方法建立基于相关向量机的GIS设备气体绝缘状态评估模型,并将GIS设备气体的绝缘状态分为"正常"、"注意"、"异常"和"故障"4类,利用训练样本对评估模型进行训练,进而实现GIS设备气体绝缘状态的评估.实例分析表明,相对传统方法,该方法在GIS设备气体的绝缘状态分类中具有较高的准确率.

摘要： 大坝的安全稳定运行不仅影响国民经济的发展，还关乎着大坝下游人民群众的生命财产安全，通过对大坝原型监测资料的分析，能够较快和较准确地判断大坝的运行状态，因此，通过对实测资料进行分析预测对大坝的安全运行起着重要作用。目前常采用的监测模型，主要有神经网络模型、支持向量机和相关向量机模型。神经网络模型可处理复杂的非线性问题，但训练时间长、训练系统不稳定，还易于收敛到局部最小值。相关向量机的模型精度受核函数的影响较大,为比较不同核函数的模型精度,本文建立了基于局部核函数、全局核函数及其混合核函数的相关向量机模型,并利用自适应粒子群算法对核函数的参数进行寻优.针对传统的高斯核函数对远离测试点的区域不敏感的问题,对待统的高斯核函数进行修正.将修正高斯核函数、多项式核函数以及基于这两种单一核函数组合而成的混合核函数分别应用于实际工程中进行精度比较分析,结果表明混合核函数的性能最优.

摘要： 针对模拟电路故障诊断面临的故障数据小样本、非线性等问题以及支持向量机方法的不足,通过在高斯核函数基础上构造加权高斯核函数以提高分类精度,同时改进现有一对一多分类算法,减少不必要分类器以提高模型泛化能力和分类速度,从而提出了一种基于加权高斯核和改进一对一多分类算法的相关向量机模拟电路故障诊断方法.理论分析和实验结果表明,该方法与已有故障诊断方法相比,故障诊断正确率和运算速度等指标均较为理想,且具有更高的模型稀疏性和诊断效率.

摘要： 本文提出了一种基于相关向量机的滚动轴承运行趋势预测方法.利用小波包分解技术提取振动信号频带能量比指标,通过选择径向基核函数以及合适的参数,基于相关向量机对滚动轴承的运行趋势进行了预测.通过实验验证了相关向量机对滚动轴承的运行趋势具有较好的预测能力.

摘要： 针对模拟电路的多类故障诊断问题,提出一种基于平衡决策树(Balanced Decision Tree,BDT)相关向量机(Relevance Vector Machine,RVM)的故障诊断方法.综合考虑类内紧密性和类间分散性,建立了一种类的可分性度量方法,并根据不同类划分的可分度大小优化确定BDT结构,通过在BDT各个决策节点构造RVM二类分类器实现RVM的多类分类.故障诊断实验结果表明:方法在训练效率、诊断效率和诊断精度等方面的性能优于已有的RVM多类故障诊断方法.

摘要： 针对支持向量机(SVM)存在支持向量个数较多、核函数要求严格等不足,将性能更出色的相关向量机(RVM)用于大坝安全预警模型的构建.核函数及其参数对RVM模型的性能有着重要的影响,组合局部核函数和全局核函数的混和核函数能提高模型的拟合精度和泛化能力,利用自适应粒子群算法能有效地对核参数进行寻优.将上述组合算法用于大坝安全模型的建立,实例分析表明,基于上述算法模型的性能得到了一定程度的提高.

摘要： 应用RVM回归预测方法建立了基于RVM的零偏温漂预测补偿模型,利用温度值和温升速率作为输入可预测不同温变过程下的加速度计零偏温漂,探讨了不同核函数类型和不同的核函数宽度对预测补偿效果的影响,最后应用环境温度试验数据对模型进行检验和验证.结果表明：基于RVM的零偏温漂预测补偿模型能够有效的预测MEMS加速度计零偏温漂,模型预测的均方根误差小于1%,补偿后滞环最大开口由60mg缩减为15mg.

摘要： 高光谱图像较高的光谱分辨率极大地突出了地物的光谱属性信息,使得地物的精确分类成为可能.支持向量机(SVM)是建立在结构风险最小化和VC维理论基础上,在模型复杂度与系统学习能力之间寻求最佳折中,在解决非线性高维模式识别中表现出特有的优势.相关向量机(RVM)是在贝叶斯框架基础上提出一种稀疏机器学习模型,由于RVM引入了超参数,极大地减少了核函数的计算量.本文通过对支持向量机与相关向量机的理论对比分析,将这两种机器学习算法应用在高光谱图像分类中,实验结果显示支持向量机的总体分类精度要略高于相关向量机的总体分类精度.

摘要： 针对单个设备,提出了基于RVM和退化模型拟合的实时可靠性预测方法.首先提取监测数据的退化特征参数,将特征参数作为目标值,其对应的时间坐标作为RVM输入,对特征参数进行回归训练得到退化指标的均值和方差,对训练结果进行双指数和模型拟合,计算置信区间.最后使用拟合模型推算预测特征指标值的概率分布并计算可靠度,实验验证该方法是有效可行的.

摘要： 本文所公开的实施例包括具有可编程数据路径配置的向量处理引擎(VPE)以供提供多模向量处理。还公开了相关的向量处理器、系统和方法。该VPE包括向量处理级，其被配置成根据该向量处理级中所执行的向量指令来处理向量数据。每个向量处理级包括各向量处理块，这些向量处理块各自被配置成基于正被执行的向量指令来处理向量数据。向量处理块能够基于数据路径配置来为不同类型的向量指令提供不同的向量运算。向量处理块的数据路径是可编程的，以可重新编程来根据正被执行的特定向量指令来不同地处理向量数据。以此方式，VPE可被提供其可编程以根据正被执行的向量指令基于数据路径配置来执行不同类型的功能的数据路径配置。

摘要： 具有用于提供多模基‑2

摘要： 公开了采用抽头延迟线用于以减少了的样本重新取回和/或功耗提供精确的相关/协方差向量处理操作的向量处理引擎(VPE)。本文所公开的VPE被配置成提供相关/协方差向量处理，诸如作为非限定性示例的码分多址(CDMA)相关/协方差向量处理操作。抽头延迟线被包括在VPE的存储器和执行单元之间的数据流路径中。抽头延迟线被配置成接收输入向量数据样本集并将其提供给用于执行相关/协方差向量处理操作的执行单元。抽头延迟线还被配置成为每个滤波器延迟抽头将该输入向量数据样本集移位，并且将经移位的输入向量数据样本集提供给这些执行单元，从而经移位的输入向量数据样本集在这些滤波器向量处理操作期间不需要从向量数据文件中被重新取回。

摘要： 公开了采用抽头延迟线用于以减少了的样本重新取回和功耗提供精确滤波器向量处理操作的向量处理引擎(VPE)。还公开了相关的向量处理器、系统和方法。VPE被配置成提供滤波器向量处理操作。为了使从存储器重新取回输入向量数据样本最小化以降低功耗，在VPE中的向量数据文件与执行单元之间的数据流路径中包括抽头延迟线。该抽头延迟线被配置成接收输入向量数据样本集并将其提供给执行单元以用于执行滤波器向量处理操作。抽头延迟线还被配置成针对滤波器延迟抽头移位输入向量数据样本集并且将经移位的输入向量数据样本集提供给执行单元，从而经移位的输入向量数据样本集在滤波器向量处理操作期间不必被重新取回。

摘要： 本文所公开的实施例包括具有可编程数据路径配置的向量处理引擎(VPE)以供提供多模向量处理。还公开了相关的向量处理器、系统和方法。该VPE包括向量处理级，其被配置成根据该向量处理级中所执行的向量指令来处理向量数据。每个向量处理级包括各向量处理块，这些向量处理块各自被配置成基于正被执行的向量指令来处理向量数据。向量处理块能够基于数据路径配置来为不同类型的向量指令提供不同的向量运算。向量处理块的数据路径是可编程的，以可重新编程来根据正被执行的特定向量指令来不同地处理向量数据。以此方式，VPE可被提供其可编程以根据正被执行的向量指令基于数据路径配置来执行不同类型的功能的数据路径配置。

摘要： 本发明公开了一种基于相关向量机的快速贝叶斯压缩感知(FBCS‑RVM)方法，它是在SBRIM算法的基础上，结合了相关向量机，通过利用相关向量机实现目标与背景的分类进而提取成像场景空间中目标可能存在的区域，并根据目标可能存在的区域代替全成像场景空间简化测量矩阵，并估计目标区域的散射系数，本发明成功的避免了线阵SAR三维成像中的高维度矩阵运算，极大地提高算法的运算效率；同时测量矩阵更好的表征了成像场景空间中的目标特性，更好的抑制了虚假目标、旁瓣干扰对于高质量成像的影响，成功的提高了线阵SAR三维成像的成像质量。本发明具有重构精度高、运算效率较高的优势，本发明适用于线阵合成孔径雷达三维成像等领域。

摘要： 本发明公开了一种小波包分析与麻雀算法优化相关向量机的故障诊断方法，包括如下步骤：S1：故障数据采集；S2：小波包分析对采集故障数据的预处理；S3：麻雀搜索算法优化的相关向量机识别分类；本发明具有快速、准确识别不同条件下的不同故障类型，具有有效性和优越性等卓越性能的特点。本发明能够为建筑电气行业从业者提供新的、更多种检测智能建筑运行过程的电气故障的手段，提高建筑电气行业从业者对智能建筑运行过程中出现的事故的判别能力、防范能力，避免了建筑电气设备发生故障而引发的重大事故的发生、保障了建筑电气行业从业的安全、保障了智能建筑的正常运行。

摘要： 本发明提供一种基于人工蜂群优化相关向量机的DVL测速模型训练方法，包括：搭建AUV测试平台，获取惯导系统的三轴陀螺和三轴加速度计数据、三轴DVL速度信息、GNSS输出的经纬度和深度计提供的深度训练样本；以惯导系统输出的航向、俯仰、横滚、航向变化率及三轴DVL速度信息作为RVM模型输入集，以三轴惯导系统速度信息分别作为RVM模型输出集；初始化RVM核函数参数，将标准化数据映射到特征空间；计算后验分布的均值和方差；更新计算超参数和噪声方差，从而得到稀疏化的模型；利用人工蜂群算法对各RVM中的混合核函数参数进行优化，其中利用GNSS和深度计对人工蜂群算法中的目标函数进行约束。该方法实现了SINS/DVL组合导航的定位误差由3‰航程减少至1.5‰航程。

摘要： 本发明提供了一种基于粒子群优化的相关向量机的激光惯组温度补偿方法，包括如下步骤：获取变温环境下激光惯组中每个目标传感器对应的刻度因数和零位参数的数据集；采用每个数据集对相关向量机模型进行训练，并结合粒子群算法对模型参数进行优化，获取每个目标传感器各参数的温度‑参数输出模型；采用模型对惯组输出数据进行补偿，使惯组输出数据稳定。本发明方法能够实时补偿惯组的输出，使输出稳定且补偿精度高，解决了惯组启动后温度变化导致的输出不稳定的问题。

摘要： 本发明公开了一种基于小波包分析和相关向量机的电气系统故障诊断方法，包括如下步骤：S1：故障模拟与数据采集分析；S2：数据融合、特征提取；S3：多核相关向量机模型构建与训练以及故障识别与诊断；建筑电气系统实验平台MA2067用于电气系统故障数据模拟，通过内置故障开关的通断改变测试回路内被测对象的组成，模拟建筑电气系统的常见设备故障；多核相关向量机用于训练特征参数，识别系统故障与输出故障概率信息。本发明实现了子系统繁多的电气系统的故障诊断与概率输出，适用于由不同子系统构成的电气系统，对减少由于电气系统故障而造成的经济损失和人员伤亡具有相对重要的意义。