基于最小二乘支持向量机的数据挖掘应用研究

随着数据仓库技术、联机分析技术的发展。基于数据库的数据挖掘已成为一种重要的数据处理手段。最小二乘支持向量机作为一种新的机器学习方法。具有全局收敛性和良好的泛化能力。本文将其应用于数据挖掘的分类与预测研究。通过棱函数的选择及参数优化，并结合支持向量机、多层感知器神经网络模型及判别分析方法进行比较研究，证明最小二乘支持向量机作为一种有效的数据挖掘算法具有较高精度。     

人脸图像识别方法的研究

人脸图像识别早已不是一个新课题,从1964年到现在,已经有四十多年的研究历史了.在此期间,人们研究出了多种人脸识别方法,本文综述了人脸图像识别的各种方法以及每种方法的应用范围,进而提出一种基于几何特征的人脸识别方法.     

SVR算法在太阳黑子活动预测上的应用

支持向量机(SVM)是建立在统计学习理论基础上的一种通用的研究机器学习规律的方法。它具有很强的学习能力和泛化能力,可以有效地处理分类,回归等问题。SVM在处理非线性问题时,通过使用一个核函数来解决复杂计算问题。最小二乘支持向量机(LS_SVM)是SVM的一种改进,它提高了求解问题的速度和收敛精度。本文以太阳黑子为数据集,基于LS_SVM工具,使用了支持向量回归算法(SVR),实现了太阳黑子活动的预测。     

基于Garbor滤波和PCA的双核LSSVM人脸识别

为了对具有不同表情和姿势等特征的人脸进行有效识别,同时解决以往人脸识别方法的维数灾和识别准确率低的问题,提出了一种基于Garbor滤波和双核LSSVM的人脸识别方法。首先,采用Gabor滤波器提取原始人脸图像在不同尺度和方向上的人脸特征向量,然后采用主成分分析法对特征向量降维以解决维数灾问题。为了解决传统最小二乘支持向量机方法中核函数选取不能同时具有较强外推能力和插值能力的缺点,设计了一种新的核函数综合加权了多项式核函数和径向基函数。最后,采用训练样本数据对LSSVM进行训练得到最终的人脸分类模型。采用Matlab仿真工具对文中方法进行仿真,并与其它方法进行对比,实验结果表明文中的方法能有效地实现对人脸表情进行分类,且具有分类效率高和识别精度高的优点。     

基于混沌理论和LSSVM的网络攻击预测算法

针对网络攻击具有多样性、时变性,传统预测方法预测精度较差的问题,提出一种混沌理论和LSSVM相融合的网络攻击预测算法.利用网络攻击频率时间序列预测模型参数之间的联系,采用粒子群优化算法对模型参数进行组合优化.采用最优参数的预测模型对具体网络攻击频率数据进行仿真测试,并与其它预测算法进行对比.实验结果表明,该方法对网络攻击频率预测精度要高于对比算法,是一种泛化能力好、预测结果可靠的网络攻击预测算法.     

基于偏最小二乘法和最小二乘支持向量机方法的熔融指数预测

熔融指数是高密度聚乙烯生产的主要质量指标,通过对生产数据建模实现对熔融指数的预测,为优化操作提供有力依据,从而提高产品的质量。利用偏最小二乘法提取影响熔融指数的主要因素作为最小二乘支持向量机的输入,克服了自变量间的多重相关性问题;同时也降低了最小二乘支持向量机的输入变量的维数。实验表明,利用偏最小二乘法方法和最小二乘支持向量机方法预测熔融指数精度远高于分别使用这两种方法。     

一种CMMB系统信道估计改进算法的研究

针对CMMB系统中接收信号因受传输环境的大、小尺度衰落、多普勒衰落影响,通过最小二乘信道估计和低密度奇偶校验码LDPC（Low Density Parity Check Code）译码结合的算法在接收端对信号进行接收处理,实验仿真表明,该算法可以达到与经典算法的性能相接近效果的同时大量减少了系统的复杂度。     

LSSVM在教学质量评价中的应用

教学质量评价是为了督促教师不断提高教学实践能力,传统方法利用主观权重计算评价成绩其合理性受到质疑,需要寻求一种更加科学、合理的评价方法.最小二乘支持向量机(LSSVM)算法有着优良的推广性能,本文提出了一个基于LSSVM的教学质量评价模型,经检验该模型能够获得良好的评价结果.     

对负荷测量数据进行平滑的一种算法

本文提出了一种利用卡尔曼滤波对负荷测量数据进行平滑的算法,通过预测估计,最小二乘法和卡尔曼滤波平滑等算法解决实际负荷测量中存在的错误.     

实验室环境下输电线路图像识别算法应用

本文根据在实验室环境下拍摄的图像特点,分析了输电线在图像中呈现的形状及其与周围环境之间的关系,给出了hough变换检测输电线左边缘和最小二乘法检测输电线右边缘的方法,从而检测出输电线路。实验表明该方法能够克服灰度图像对比度低、干扰多等问题,能够准确的检测出输电线,并确定其位置。     

LS-SVM和BP算法在逆模型控制中的对比研究

最小二乘支持向量机（least squares support vector machine,LS—SVM）具有很好的非线形逼近能力和泛化能力,通过研究逆模型存在的条件,提出了基于LS—SVM的逆模型辨识方法。仿真结果表明基于LS—SVM的逆模型辨识方法在处理非线性对象时,辨识精度、辨识速度、泛化能力都要强于BP算法。     

基于蜻蜓算法和最小二乘向量机的小批量生产质量预测

采用蜻蜓算法(DA)和最小二乘支持向量机(LSSVM)的方法,解决生产过程中小批量产品在质量预测方面的问题。首先以汽车变速箱轴承内圈孔直径的尺寸作为预测数据,连续观测12个单位时间,并记录每个单位时间轴承内圈孔直径的尺寸数据,进行归一化处理;其次采用LSSVM对变速箱轴承内圈孔直径加工过程变化进行量化分析,并采用蜻蜓算法优化LSSVM参数;最后将DA-LSSVM综合方法与多种预测模型进行对比分析。结果表明,DA-LSSVM方法可以提高预测模型的训练预测精度,缩短训练时间。     

求非线性最小二乘估计的一种算法

本文利用正交表给出一种求非线性ＬＳＥ良参数初始值的算法—正交搜索法，进而与迭代法结合求解非线性ＬＳＥ，通过求解非线性强度大模型的非线性ＬＳＥ，说明新算法使用灵活、有效     

一种基于二维经验模式分解的人脸识别方法

针对小波变换在人脸识别中存在识别正确率较低的问题,提出了一种基于二维经验模式分解的人脸识别方法。首先利用二维经验模式分解对人脸图像进行分解,再提取各分解子图像的能量作为人脸特征向量,并采用支持向量机进行训练和识别。经剑桥大学ORL人脸库的图像识别实验表明,所提方法的识别率高于小波方法,正确率达到98.6%。     

基于最优鸟巢算法的大型火电系统短路定位

采集大型火电系统短路数据,并将其转换成为时间序列数据,然后将时间序列数据输入到最小二乘支持分类集中进行训练,训练过程中引入最小二乘支持向量机对布谷鸟算法进行优化,用改进的布谷鸟算法对火电系统的短路位置数据进行距离聚类,从而预测出火电系统的短路地点。仿真结果表明本文算法能更加准确的预测了大型火电系统短路位置的变化态势,提高了大型火电系统短路位置的预测精度。     

基于最小二乘支持向量机的轴承故障诊断研究

针对神经网络在轴承工作状态诊断中存在的问题,提出了将最小二乘支持向量机用于轴承的智能诊断。基于轴承故障信息,用最小二乘支持向量机方法建立多类故障分类器,以实现对故障的诊断。仿真证明:小样本情形下,最小二乘支持向量机比神经网络具有更好的识别和诊断准确率。     

基于最小二乘支持向量机的油罐故障诊断方法

根据油罐故障分析,建立了油罐故障诊断模型。采用新型的支持向量机-最小二乘向量机(LS-SVM)的算法对此诊断模型进行预测,获得了满意的效果。该方法易于使用,很少受不确定性因素的影响,有很高的预测准确性。     

一种利用RLS方法改进的TOA定位算法

Chan算法是一种性能优良的定位算法,但是在定位过程中要进行多次矩阵相乘和求逆运算,占用大量处理时间,因此要提高运行效率就必须降低计算量。文章利用递推最小二乘法（RLS）对Chan算法加以改进,提出了一种改进的利用到达时间（TOA）的定位算法,．避免了高阶矩阵的相乘和求逆运算,在保证与Chan算法相同精度的前提下有效地减少了运算量。     

基于FOA-LSSVM的高速铁路道岔故障诊断

道岔故障类型识别对高速铁路设备维护具有重要的意义。在提出的基于FOA-LSSVM的高铁提速道岔故障诊断算法中,以道岔动作电流曲线监测数据为分析基础,选择5个特征指标组成道岔故障诊断模型的特征输入向量,降低了输入向量的维数,缩短训练时间,并采用果蝇优化算法,能够提高计算速度,保持良好的回归性能。通过实例分析证明:基于FOA-LSSVM的道岔故障诊断算法的分类性能好、识别准确率高,能够保证道岔故障类型测定的准确性和可靠性,缩短故障处理时间,确保高速铁路运输的安全与实效。     

基于佩戴眼镜人脸图像识别方法研究与仿真

研究基于图像的人脸准确识别问题.人在佩戴眼镜的情况下,脸部受到眼镜遮挡,造成无法提取眼部区域特征,人脸主要特征丢失,造成识别准确率下降.为了避免上述缺陷,提出了少量特征相关性计算的人脸识别方法.对提取的人脸图像少量的特征参数进行非线性变换处理,获取特征向量权值系数.利用小波变换方式计算人脸特征相关性系数,通过少量特征相关性进行人脸识别.实验证明,这种眼部特征图像人脸识别方法提高了佩戴眼镜情况下,人脸识别的准确率,取得了满意的效果.