多分类支持向量机

摘要： 航空逆变器的可靠性对飞机供电系统的安全性和稳定性尤为重要,但当前对于航空供电器的故障诊断的研究较少,无法为航空逆变器提供有效保障。因此,提出基于多分类支持向量机的故障诊断方法,对航空逆变器的多种故障模式进行诊断。针对故障特征耦合性高的问题,采用主成分分析方法提取故障特征,获取低维度的关键特征。由于逆变器具有多种故障模式,且具有非线性的特点,故采用多分类支持向量机算法进行故障诊断。该算法具有极强的分类能力,是处理小样本、非线性问题的有力工具。实验结果表明,该算法模型可对航空逆变器多种工况条件下的15种故障模式进行有效诊断,并且方法诊断速度快,提高了航空供电系统的安全性。

摘要： 针对小样本数据集的数据量不足和深度学习的模型复杂、参数冗余等问题,提出了一种基于特征融合与选择的小样本表情识别算法。该模型将手工提取的人脸关键区域特征与DenseNet网络提取的深度学习特征相融合,再利用基于熵的特征约简技术对特征维度进行熵减和选择,以使用多分类支持向量机(MCSVM)进行识别分类,通过在JAFFE和CK+公开数据集上的实验测试结果表明:该模型在小样本数据集上具有更高的识别准确率和实时性,显著提升了人脸表情的识别性能。

摘要： 泥石流是一种常见的地质灾害,对人类的生命和财产都会造成极大危害。泥石流危险性预测是防灾减灾的关键。以白龙江流域泥石流为例,首先利用主成分分析对原始数据进行分析,提取主成分,然后采用交叉验证的方式抽取训练样本与预测样本进行多分类支持向量机预测,建立预测模型,对泥石流危险性等级进行分类预测。结果表明:基于5折交叉验证的主成分分析与多分类支持向量机预测模型准确率可达到90%,可为泥石流危险性预测的研究提供计算模型依据。

摘要： 泥石流是一种常见的地质灾害,对人类的生命和财产都会造成极大危害.泥石流危险性预测是防灾减灾的关键.以白龙江流域泥石流为例,首先利用主成分分析对原始数据进行分析,提取主成分,然后采用交叉验证的方式抽取训练样本与预测样本进行多分类支持向量机预测,建立预测模型,对泥石流危险性等级进行分类预测.结果表明:基于5折交叉验证的主成分分析与多分类支持向量机预测模型准确率可达到90％,可为泥石流危险性预测的研究提供计算模型依据.

摘要： 为了尽可能地利用有限的频谱资源,本文根据多元位置相移键控(MPPSK)调制信号的特点,研究基于多分类支持向量机(SVM)的非线性方法在低阶MPPSK通信系统中的检测性能,并对SVM输入特征向量做降维处理,降低系统复杂度。为了进一步提升MPPSK系统在低信噪比下的误码率性能,本文引入低密度奇偶校验码(LDPC)作为信道编码用以抵抗信道噪声。仿真结果表明,多分类SVM非线性检测在较少的特征向量维数中,可获得最多10 dB的信噪比增益,经LDPC译码后系统性能可进一步提升8 dB。因而,在MPPSK通信系统中选择多分类SVM方法不仅可以提升检测性能,而且抗干扰能力更强,传输码率更高。

摘要： 快速、有效地识别饮用水中污染物类别对于降低突发饮用水污染事件影响十分重要.目前基于紫外-可见光光谱法的饮用水污染物判别模型大多使用主成分分析(PCA)进行特征提取,然而,对于光谱相似度较高的有机污染物,仅从数据驱动的角度提取其方差最大的方向作为特征进行识别效果往往不佳.针对有机污染物光谱数据多重共线性以及谱峰重叠干扰的问题,开展了基于连续投影算法(SPA)和多分类支持向量机(M-SVM)的紫外-可见光光谱饮用水有机污染物判别方法研究.首先,使用紫外光谱仪测量苯酚、对苯二酚、间苯二酚和间苯二胺的原始光谱数据并进行预处理,在对四种污染物进行了波长与浓度的相关关系对比分析后,发现苯酚和间苯二酚、对苯二酚和间苯二胺的谱峰重叠较为严重;特征提取时,引入SPA筛选有机污染物紫外-可见光光谱数据的特征波长组合,并对不同波长个数时的光谱吸光度进行多元线性回归分析,选取对应最小预测标准偏差的参数及波段组合作为最优参数组合;基于最优特征波长组合,构建基于多分类SVM的饮用水有机污染物分类识别模型;最后,对比分析了全光谱、PCA及SPA特征提取后的光谱数据在不同分类方法及不同污染物浓度下的分类效果,进一步说明了SPA的适用性和稳定性.实验结果表明,SPA作为一种提取光谱数据原始特征波段的方法,可以有效的对有机污染物的紫外-可见光光谱进行特征提取,提升不同物质之间的差异,在一定程度上消除多重共线性和谱峰重叠干扰,从而提高分类模型的准确率.该方法对于解决饮用水中谱峰重叠的污染物类型判别问题具有参考价值.

摘要： 算法智能推荐是超启发式算法研究领域一个重要分支,其目标是从众多"在线"算法中自动选择出最适于当前问题的算法,从而大大提升解决问题的效率.基于此提出并验证了一种优化算法智能推荐系统,理论依据是无免费午餐定理和Rice算法选择框架,并假设问题特征与算法性能表现之间存在潜在关联关系,从而可以把算法推荐问题转换为一个多分类问题.为了验证假设的成立,以多模式资源约束项目调度问题为测试样本数据集,以粒子群、模拟退火、禁忌搜索和人工蜂群等元启发式优化算法为推荐对象,以支持向量机多分类策略实现算法的分类推荐.交叉验证结果表明,推荐准确率均在90％以上,各项评价指标表现优秀.

摘要： 图像识别是"大数据"时代的热门研究领域之一,而英文字符识别是图像识别领域重要的研究方向.对于手写数据的辨认在移动智能、刑侦、医学、考古学等诸多领域有广泛的应用,同时,国内在该领域的建模探索相对匮乏.文中使用机器学习领域的经典手写字符数据集,基于统计机器学习理论,建立英文字符识别的支持向量机(SVM)模型.鉴于国内外对于参数选择至今没有公认的方法,依据支持向量的个数、训练误差、测试误差作为评价指标,对惩罚参数C的选取进行探索并给出了在字符识别领域的推荐值.实证结果表明,对"变体"英文字母的识别准确率很高,且非常稳健,没有"过拟合"现象,说明支持向量机适用于处理字符识别问题.本质上,相比经典的二分类问题,文中是多分类支持向量机(multi-class classification support vector machine,MCSVM)应用的研究与探索.

摘要： 为进一步提高手指静脉识别算法识别率,在图像预处理阶段提出了将直方图均衡化算法与局部对比度增强算法相结合,在扩大静脉图像动态范围的同时增强图像的细节.在图像识别阶段,提出了一种基于局部二值模式(Local Binary Pattern,LBP)的改进算子用来描述图像局部纹理特征,并结合权重分配和分块LBP特征算法对图像进行特征提取.最后使用支持向量机(Support Vector Machine,SVM)算法对图像特征进行训练.实验结果表明,上述算法识别率高达99.33％,与传统的识别算法相比具有明显的准确率提高.

摘要： 现有大部分的异常检测系统都是把数据分成正常和异常两类,这样可能会丢失重要信息,也有一些对于多分类的研究,但效果不太理想.另外网络入侵检测数据集中存在的大量冗余和噪声特征会影响检测系统的性能.针对上述两个问题,本文提出了一种基于Fisher分和多分类支持向量机的入侵检测特征选择算法.该方法先通过研究四个二分类并根据各特征的Fisher分值大小排序,得到四个特征降序序列.再根据这些序列结合多分类支持向量机分类算法,建立特征分类模型,筛选出一个最优特征组合.仿真测试结果表明,该方法具有较高的检测率和较低的测试时间,提高了系统性能.

摘要： 本发明公开了一种基于支持向量机的大脑意识多分类方法及系统，其中方法包括：采集被试者脑运动区在大脑意识运动时段内的脑血氧原始数据序列；对该序列进行预处理并提取特征值以构建特征向量，作为训练样本；针对所有k种意识运动类别分别获取训练样本；根据意识运动类别的数量k，构建k(k‑1)/2个SVM分类模型；针对每个SVM分类模型，从训练集中获取相应的训练样本，构成相应的子样本集；采用子样本集训练获取相应组合类别的SVM二分类器，并组合得到意识运动类别多分类器；按上述方法获取待测者的特征向量，输入至意识运动类别多分类器以对待测者进行意识运动识别。本发明可实现对未知意识运动类别进行在线实时多分类识别。

摘要： 本发明提供一种改进多分类孪生支持向量机的电动执行机构故障诊断方法，采用电动执行机构健康状态及故障状态下的数据，作为原始数据集；对数据进行小波包分析提取特征向量，构建训练样本集和测试样本集。将训练样本集放入多分孪生支持向量机故障诊断模型中，得到分类器，再将测试样本集放入分类器中，得到故障诊断结果。本发明通过小波包分析方法对数据进行特征提取，能消除复杂执行器故障数据时的模态混叠，并将淹没在强数据中的弱数据分量分离出来，有效减少实验误差，显著提升了故障诊断的效果。

摘要： 本发明公开了一种用于变压器故障诊断的支持向量机的多分类策略，属于人工智能技术领域。一种用于变压器故障诊断的支持向量机的多分类策略，获得所述多分类策略的步骤包括：对训练集中任意每两类样本计算类间散布矩阵以及将两类合并后的类内散布矩阵，将类间散布矩阵和类内散布矩阵的迹之和相加作为可分性指标；找到可分性指标最小的一对组合，将所述一对组合合并为一类，并记录类的合成顺序；根据之前所记录类的合并顺序，逆向生成分类决策树，将其作为支持向量机的多分类策略。本发明有益效果：能够提升基于支持向量机的变压器故障诊断模型的训练效率和分类准确率，使其能够实际应用于电力系统诊断现场。

摘要： 基于巴氏距离和有向无环图构建多分类支持向量机分类器的方法，属于模式识别领域，本发明为解决传统多分类策略因结构固定而无法利用类别间可分性不同的先验信息，训练速度随着训练样本数或类别数的增多而变慢，计算量大的问题。本发明方法包括以下步骤：步骤一、对多分类对象，分别计算训练样本中两两类别之间的巴氏距离；步骤二、根据步骤一获取的两两类别之间的巴氏距离建立初始操作表单；步骤三、根据步骤二获取的初始操作表单构建基于有向无环图结构的多分类器；步骤四、采用支持向量机作为二元分类器，基于有向无环图结构实施多分类。

摘要： 基于多分类支持向量机算法的车用锂电池故障诊断方法属于车用锂电池故障诊断领域；本申请为了解决现有车用锂电池故障诊断技术对训练数据量要求高，导致难以实现实时在线故障检测的问题；本发明的方法包括将电池样本分组实验，将采集数据分选形成训练集和测试集；规定电池故障标准；采用交叉验证和网络搜索方法参数优化；构造核函数支持向量机；构建偏二叉树五分类支持向量机，得到能够识别锂电池不同状态的车用锂电池故障诊断模型；本发明能够快速、准确地完成对车用锂电池的故障诊断。

摘要： 本发明提出了一种基于最小重建误差搜索降维和粒子群优化的多分类支持向量机的图像识别分类方法，用于进行图像内容识别和分类。该方法首先通过最小重建误差搜索降维算法的最优参数，接着运用优化后的最小重建误差搜索算法对手写数字数据集中的样本进行降维，从中提取出关键信息，将维度降到17维。其次根据数据集中样本类别数量构建多个一对一的支持向量机分类器，将其组合起来间接的实现多分类。然后以训练后的最高分类精确度作为目标，运用群智能优化算法对每个支持向量机分类器的参数进行全局寻优，得到最终的具有高识别精确度的图像识别分类方法。

摘要： 本发明涉及一种基于多分类支持向量机的车型分类方法，其特征是，包括以下阶段：（1）在所述线下训练阶段，在实际场景中收集有标注的音频数据构成训练数据集；在训练数据集上对原始音频数据进行预处理，划分得到音频片段；在每个音频片段内划分得到音频帧信号；对音频帧信号计算短时特征；对每一个音频片段内所有音频帧的短时特征计算统计量作为音频片段特征；短时特征和音频片段特征构成了原始音频的特征向量集；（2）训练分类器阶段；（3）在线检测阶段，计算音频数据的短时特征和音频片段特征，将特征向量集送入SVM分类器得到分类结果，采取投票形式得到最终的分类结果。本发明具有分类准确度高、实时性强、集成度高、部署维护方便等优势。

摘要： 基于巴氏距离和有向无环图构建多分类支持向量机分类器的方法，属于模式识别领域，本发明为解决传统多分类策略因结构固定而无法利用类别间可分性不同的先验信息，训练速度随着训练样本数或类别数的增多而变慢，计算量大的问题。本发明方法包括以下步骤：步骤一、对多分类对象，分别计算训练样本中两两类别之间的巴氏距离；步骤二、根据步骤一获取的两两类别之间的巴氏距离建立初始操作表单；步骤三、根据步骤二获取的初始操作表单构建基于有向无环图结构的多分类器；步骤四、采用支持向量机作为二元分类器，基于有向无环图结构实施多分类。

摘要： 本发明公开了一种用于多工位冷镦机状态检测的改进多分类支持向量机方法，首先用局部均值分解对故障信号进行分解，得到若干乘积函数。其次，为有效去除分量PF中的模态混叠噪声，基于ICA算法对分量PF进行盲源分离，提取其中的有效信号，并利用时序平移的思想，构造多个PF分量噪声，从而得到降噪后的模态分量信号；进而利用排列熵量化各模态分量的故障状态特征，取各模态分量排列熵的平均值作为特征向量；最后，建立多工位冷镦机的改进多分类支持向量机故障分类模型；并将计算的特征向量输入改进PSVM‑2V进行状态检测。通过该方法能够使冷镦机故障特征明显，从而从改进多分类支持向量机的模型中直接检测出冷镦机的状态。

摘要： 本发明提供一种基于多分类支持向量机的化工工艺安全评价模型，用于水煤浆气化工艺的安全评价，模型按照以下方法进行构建：根据水煤浆气化工艺的安全评价指标的实测数据构建样本集，得到训练集和验证集；根据训练集使用多分类支持向量机，划分工艺安全状态评价超平面；根据工艺安全状态评价超平面对训练集进行分类拟合，得到工艺安全状态评价结果；根据验证集对工艺安全状态评价结果进行验证，使用粒子群算法对模型的正则化参数进行优化，得到基于多分类支持向量机的化工工艺安全评价模型。本发明可以解决人工对水煤浆气化工艺进行安全评价时，利用日常生产参数不足，评价智能化程度、准确性不高的技术问题。