支持向量

摘要： 运动员成绩存在大量的历史数据有待挖掘,为此提出了基于历史数据驱动的运动员成绩估计方法,提升运动员成绩估计质量。利用K最近邻分类算法预处理运动员历史成绩数据集,采用支持向量回归对处理运动员历史成绩数据进行训练,并采用粒子群优化算法优化支持向量机的相关参参数,提升运动员成绩估计的准确性。实验证明所研究方法可有效估计运动员成绩,适用于不同运动项目运动员,成绩估计精度高、估计效率快;对于不同的运动员数量,所研究方法的误差评价指标最低,估计精度最高,估计质量高。

摘要： 高压电网环境下,因社会用电量过大易造成严重的短路故障现象。为此,提出基于支持向量机(support vector machine,SVM)增量学习算法的高压电网短路故障位置自动识别方法。按照故障训练特征的确定结果,基于SVM增量学习算法提取线性电网中的不可分边界支持向量,进而处理电网结构中的最小化风险,完成电网故障识别环境搭建。配置高压电网的相量量测单元系数,通过确定故障识别元件,校验短路故障发生的位置,实现高压电网短路故障位置的自动识别。试验结果表明:在传输电量增加的情况下,短路故障电量冗余度极值仅能达到40%;故障位置识别精确性保持在94%。设计方法能够有效实现高压电网短路故障位置自动识别,具有较为优越的性能和一定的应用价值。

摘要： 切削过程中为了提高切削力建模预测精度,需要选择合适的机器学习模型。由于切削力样本容量小、机器学习算法通常参数较多以及不可视化的暗箱式建模过程,使得在众多机器学习算法中选出合适的算法极为困难。因此通过对不同的切削力数据样本建立机器学习预测模型,对6种机器学习模型:线性回归、多元自适应回归样条、袋装多元自适应回归样条法、神经网络、支持向量机和随机森林的预测精度进行比较。在车、铣两种加工方式中,对于小样本数据建模时,多元自适应回归样条和袋装多元自适应回归样条法对切削力预测表现较好,并且对样本的适应性较强。

摘要： 针对大数据环境下并行支持向量机(support vector machine,SVM)算法存在噪声数据较敏感、训练样本数据冗余等问题,提出基于粒度和信息熵的GIESVM-MR(the SVM algorithm by using granularity and information entropy based on MapReduce)算法.该算法首先提出噪声清除策略(noise cleaning,NC)对每个特征属性的重要程度进行评价,获得样本与类别之间的相关度,以达到识别和删除噪声数据的目的;其次提出基于粒度的数据压缩策略(data compression based on granulation,GDC),通过筛选信息粒的方式保留类边界样本删除非支持向量,得到规模较小的数据集,从而解决了大数据环境下训练样本数据冗余问题;最后结合Bagging的思想和MapReduce计算模型并行化训练SVM,生成最终的分类模型.实验表明,GIESVM-MR算法的分类效果更佳,且在大规模的数据集下算法的执行效率更高.

摘要： 混凝土强度对拼宽T梁桥的连接可靠度有很大的影响.文章节选某拼宽T梁桥截面的截面布置,统计拼宽T梁桥截面的时变特征,从时变数据中挑选出十组进行实验,分析混凝土强度对拼宽T梁桥时变的边界条件和混凝土强度对拼宽T梁桥时变可靠度.得出结论:当混凝土徐变收缩同步且拟合效果大于0.5时,拼宽T梁桥时变可靠度呈现上升趋势,并在拼宽T梁桥上拱桥值为20mm处达到峰值.

摘要： 针对当前多变量时间序列分类方法未考虑降维处理多变量时间序列,导致多变量时间序列分类精度较低,分类时间较长的问题,提出了基于深度置信网络的多变量时间序列分类方法.通过构建深度置信网络模型结构,基于受限玻尔兹曼机,提取可见单元与隐藏单元特征信息,采用Isomap算法,在深度置信网络内进行优先特征提取操作,通过附加约束构造半正定矩阵,降维处理多变量时间序列.在低维特征空间内,利用支持向量机中分线性分类函数,计算得到拉格朗日乘子,根据正则化参数特性,通过高斯核函数,计算得到最优核函数,完成多变量时间序列分类.实验结果表明,提出方法的泛化误差较小,能够有效提高多变量时间序列分类精度,缩短多变量时间序列分类时间.

摘要： 由于风速的间歇性导致了风电系统输出的波动性,可靠的风速预测可以有效提高风电装置的稳定性。在分位数回归的框架下,提出了支持向量–分位数回归神经网络(SV-QRNN)模型。首先,采用粒子群优化算法对支持向量机参数进行优化,得到支持向量。然后采用分位数回归神经网络算法推导出风速的条件分位数,以及不同置信度下的预测区间。实验结果表明,SV-QRNN模型能够较好地平衡预测性能和时间效率。同时还可以补贴发电调度决策,并允许电力市场充分发挥作用。

摘要： 货币供应量主要取决于金融机构贷款余额多少.虽然货币供应量与金融机构贷款余额要求保持一致,但它们呈现出的是一种复杂的非线性关系,很难用准确的数学解析式表达.SVM模型能表达任何复杂的映射关系.运用SVM模型构建了我国货币供应量与金融机构贷款余额之间的映射关系,根据金融机构贷款余额预测货币供应量.取得了较好的效果,平均回归误差为2.1117％,比BP神经网络的减小了23.4198％,且近4年的预测误差均小于1％.

摘要： 由于电力设备内部绝缘缺陷发展往往会因环境条件的改变而变化，加之采集到的局部放电(PD)数据具有分散性和复杂性，导致了传统绝缘故障识别办法效果不佳。为此，作者提出了一种用于GIS设备PD类型识别的支持向量数据描述方法(SVDD)，并借鉴支持向量机(SVM)方法中最火化“间隔”的思想，建立了一种优化的支持向量数据揣述算法(OR-SVDD)，同时采用多分类方法中的“一对多”原理，用以解决埘传统绝缘故障出现的识别率低、误识别、漏识别以及识别时间长等问题。通过仿真与实验结果表明，OR-SVDD能够对所有的数据进行正确描述，自动辨识拒识对象，训练时间低于传统的SVM，并具有较高的识别率。在电力设备在线监测与局部放电模式识别领域有良好的应用前景。

摘要： 车身耐撞性设计中往往采用有限元分析和“试错法”等手段易造成计算量过大、优化收敛缓慢等缺点,应用近似模型代替有限元仿真来预测结构性能响应是当前研究的热点,广泛采用的近似模型有多项式响应面、径向基函数和kriging等。本文将支持向量回归技术应用于某轿车车顶压溃耐撞性设计中,在比较得出支持向量回归具有较好拟合能力的基础上,开展了全局灵敏度分析以甄选出对车顶强度影响较大的结构并进行了优化设计,使车项抗变形作用力峰值提高了14.2％,一定程度上改善了车顶强度。

摘要： 给出自适应核函数的定义,它通过两步调整分别结合原空间和特征空间中数据点邻域的密度信息给出因地制宜的相似度表达,进而提出自适应频谱支持向量聚类算法ASSVC。该算法以自适应核为核心,用支持向量聚类技术生成数据代表,并对其做频谱分析,以简洁形式确定聚类结果。实验表明ASSVC算法具有良好的聚类效果,并能适应不同分布密度的数据场合。

摘要： 支持向量机基于统计学习理论并能较好地解决小样本问题,对许多含有大数量样本的数据库来说,支持向量机并不非常合适.训练样本的数量严重影响训练的速度与支持向量的数量.实验表明,保留训练样本的邻界样本,去除部分非邻界样本可以明显地减少训练样本的数量和支持向量的个数,而泛化能力几乎没有下降.

摘要： 航空发动机性能退化受多种复杂因素影响,呈非线性变化的特点,本文提出了一种多参数的航空发动机性能退化评估方法.首先用灰关联分析方法,对发动机状态监控的涡轮出口温度、燃油流量、测量推力、振动测量值、压气机进口压力、压气机出口压力、发动机进口总压、发动机静压、发动机进口温度、压气机进口温度等10个主要参数进行了灰关联分析和分组,然后用支持向量数据描述方法对发动机健康状态下的参数进行训练,建立了一个发动机健康状态评估模型.真实数据的实验结果表明,本评估方法能较好反映发动机的退化演变过程.

摘要： 针对连铸生产线维修、维护和大修对设备故障预测的需求，设计了一种基于设备状态监控的智能点检系统，利用数据采集节点进行数据采集和本地化处理，通过无线通信传输数据。设计了基于8051单片机的智能传感器节点，提出了基于小波包分解—支持向量数据描述的设备性能退化描述算法。开发了原型系统，并应用于钢铁连铸生产线，提高了对设备寿命的预知性，降低了由设备故障引起的停机时间。

摘要： 基于改进支持向量回归(v-SVR)原理,建立反映地下开采扰动影响下露天矿边坡变形非线性规律的v-SVR模型.将该模型应用于露天转地下开采的杏山铁矿,结果表明变形预测精度高且计算方便,验证改进支持向量回归原理研究二次开采扰动下边坡变形规律的有效性.并分析自由因子C,v的敏感性,直观反映C,v对MAE和支持向量数目的影响程度,且确定参数C,v的合理取值区间,即惩罚参数C应该在[1 000,5 000]内取值,取值范围较大,但应同时考虑惩罚因子C对泛化性能的影响,参数v的取值区间为[0.028,0.125].

摘要： 对于由多个机械设备组成的系统,检测的快速性和获得数据的小样本限制是进行机械设备声学故障识别和故障源定位通常要考虑的两个重要问题.本文以线谱位置变化类声学故障作为研究对象,挺出了一种基于支持向量数据描述(SVDD)的故障源识别定位方法。该方法依据正常样本建立数据描述模板,对线潜位置变化类声学故障进行识别,然后通过与各个设备上测得的传感器信号联合分析,实现了故障设备的准确定位.实验结果表明该方法具有较好的工程应用性。

摘要： 为提高SVM增量学习速度，求壳向量算法被用来求训练样本集中最有可能成为支持向量的样本。针对求壳向量算法在增量学习中的应用，本文分析了求凸壳算法的复杂性，对求凸壳算法在不同情况下的性能进行了实验与分析，并指出了求凸壳算法的适用范围。

摘要： 根据专家决策和结构风险最小化原则,构建了一种新的不确定性有序SVR风险预警模型,可以解决训练点带有不确定性的有序回归问题.基于传统的有序SVR,首先构建了一个较为复杂的优化模型;该模型的约束条件比较多,特别是在海量数据的情况下处理起来就更为麻烦,提出一个等价优化问题,并进行了由自然数到实数的推广,将复杂的模型转换为一个相对简单的优化模型;然后利用技巧将线性学习问题很自然地拓广到非线性情况,实现了从训练样本空间到高维特征空间的映射.棉花风险预警的数据试验表明模型有一定的实际应用价值.

摘要： 本发明公开了一种支持标向量协同工作的向量SIMD运算结构，其包括：统一取指和指令派发部件，用来同时为标量处理单元SPU、向量处理单元VPU和向量阵列存储器AM派发指令；标量处理单元SPU，用来负责串行任务的处理，以及对向量处理单元VPU执行的控制；向量处理单元VPU，用来负责计算密集的并行任务处理；向量阵列存储器AM，用来为并行与多宽度的向量运算提供数据及搬移支持；DMA单元，用来为标量处理单元SPU、向量处理单元VPU提供指令和数据。本发明能够提高整体的执行效率和并行性。

摘要： 本发明公开一种向量处理器中支持SIMT的向量访存装置和控制方法，该装置包括基址向量寄存器单元、偏移向量寄存器单元以及向量地址计算单元，基址向量寄存器单元、偏移向量寄存器单元分别包括多组向量寄存器，每组向量寄存器由多个寄存器构成；向量地址计算单元包括多个地址计算子单元，每个地址计算子单元分别与向量处理器中各存储体一一对应连接；各线程的基址、偏移地址分别通过一组向量寄存器进行获取后，分别输出至各地址计算子单元进行计算，得到各线程的访存地址输出至对应的存储体；该方法为向量访存装置的控制方法。本发明具有向量访存灵活性强、并行访存效率高且功耗低，且能够支持SIMT线程级并行的优点。

摘要： 一种支持多MAC运算部件向量处理器的分块矩阵乘法向量化方法，流程为：（1）依据向量处理器的向量处理单元VPE的数量p、VPE中的MAC运算部件的数量m、向量存储器的容量s和矩阵元素的数据大小d，确定最优的子矩阵的块大小blocksize，确定乘数矩阵B的子矩阵的列数和行数以及确定被乘数矩阵A的子矩阵的行数与列数；（2）将向量存储器的容量s分为容量相等的两部分存储区域Buffer0和Buffer1，依次在Buffer0和Buffer1间以乒乓方式实现子矩阵的乘法，直到整个矩阵乘法计算完成。本发明具有实现简单、操作方便、可提高向量处理器并行性、能提高处理器运算效率等优点。

摘要： 本发明公开了一种支持标向量协同工作的向量SIMD运算结构，其包括：统一取指和指令派发部件，用来同时为标量处理单元SPU、向量处理单元VPU和向量阵列存储器AM派发指令；标量处理单元SPU，用来负责串行任务的处理，以及对向量处理单元VPU执行的控制；向量处理单元VPU，用来负责计算密集的并行任务处理；向量阵列存储器AM，用来为并行与多宽度的向量运算提供数据及搬移支持；DMA单元，用来为标量处理单元SPU、向量处理单元VPU提供指令和数据。本发明能够提高整体的执行效率和并行性。

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： 本发明涉及一种基于词向量加权平均、支持向量回归和用户点击偏好的搜索推荐方法。其发明内容主要包括(1)提出一种基于搜索前缀语义相关性和用户点击偏好的搜索推荐模型；(2)提出一种基于支持向量回归的搜索前缀文本嵌入和内容文本嵌入的语义相关性计算方法；(3)提出一种基于迁移学习和用户点击偏好和的权重修正方法。

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： 本发明公开了自适应向量投影的线性支持向量选取方法，方法用于线性数据的文本分类，包括以下步骤：(1)对原始样本建立数据模型；(2)对数据模型进行计算，得到最佳自适应投影直线；(3)将原始样本投影到最佳自适应投影直线后，在一维空间内选取具有原始特征的边界样本；(4)利用支持向量机对边界样本进行训练，得到分类结果。本发明自适应向量投影的线性支持向量选取方法相较于现有的支持向量机的方法，针对线性可分的数据，其分类精度更高，分类速度更快，更适用于人脸识别、手写体识别、文本分类等领域内。