基于BP神经网络和支持向量机的异步电机故障检测

故障检测是计算机模式识别领域的一个活跃课题.文中提出一种基于BPNN与SVM的电机故障检测方法,设计了适合该检测系统的网络结构.仿真结果表明:该网络结构比BP结构具有更快的学习速度和更高的学习精度,完全适用于电机故障检测系统.     

一种基于支持向量机回归的推荐算法

随着电子商务的迅速发展，推荐系统与算法已经成为理论研究的热点。支持向量机是一种强大的分类工具，由其衍生出的支持向量机回归方法能很好地解决非线性回归问题。文中以电影推荐为例，引入支持向量机回归方法来分析项目的内容，构建用户模型，进而给出推荐。实验结果和理论分析表明这种推荐算法与传统协同过滤算法相比，能够明显提高推荐精度，并显著缩短了推荐所需时间；在大样本量情况下也能同样高效。     

一种基于支持向量机的蠓虫分类方法

讨论两类蠓虫的分类问题。利用极大化“间隔”的思想,将分类问题转化为一个二次规划及其对偶规划问题,即支持向量机算法。通过求解此数学规划,得到一线性分类函数。基于该算法,通过给定的蠓虫的样本集,建立上述分类模型,求得一个线性分类函数,为蠓虫的正确分类提供了一个较可靠的方法。     

基于支持向量机的图像边缘检测

提出了一种基于支持向量机的图像边缘检测的新方法,可结合已有的各种边缘检测算子,可通过人机交互来进行边缘检测。本文将这种新方法与Laplace算子相结合,并将几种常用核函数对实验结果的影响进行了对比。实验结果表明:线性核、多项式核和高斯径向基核的效果较好,而非正定核Sigmoid核的效果相对较差。     

一种基于支持向量机的电力负载预测算法

提出了一种能够提高负荷预测精度的方法。在对历史电网运行数据进行处理时引入大数据挖掘技术,并且使用了支技向量机来进行电力系统短期负荷的预测新方式,对基于粒子群优化的支持向量算法进行了改进,提出基于相似日聚类的支持向量机的方法以对电网的负荷状态进行预测。以湘潭市的电力负荷数据为测试数据,进行两种算法结果的对比。结果表明:本文的算法在对比中具有较大的优势,数据预处理在预测的精度上有着非常重要的关联。     

一种基于核聚类的模糊支持向量机方法

模糊支持向量机（FSVM）具有很好的抗噪声能力,受到了很多专家的重视。然而模糊支持向量机算法的时间复杂度通常较高。针对这一不足,本文提出了一种基于核聚类的模糊支持向量机算法。首先根据核聚类算法对每一类原始样本进行聚类,然后对每一簇求样本中心,用样本中心作为新的样本点替换该类别的原始样本。最后本文算法利用中心距离型计算新样本的模糊权重,并利用模糊支持向量机算法进行求解。实验充分验证了本文算法相对于传统模糊支持向量机方法具有更快的分类速度。     

基于肤色检测和支持向量机的人脸检测系统

本文基于Accord.NET Framework,构建了一个基于肤色检测和支持向量机的人脸检测系统。首先提取图片中肤色区域,用已经训练好支持向量机的人脸检测模型检测图片中的肤色区域,区分出人脸部分。     

一种改进的一对一多类支持向量机

多类支持向量机在实际应用领域（比如ORC,人脸识别等）是一个非常重要的问题。广泛应用的多类SVM方法包括：一对一,一对多和DAG等。众多实验表明一对一方法通常具有较高分类准确率,但传统一对一方法测试时间较长限制了其在大数据量识别任务中的应用。提出一种改进的一对一多类支持向量机,先通过粗分类快速选出候选类别,再对候选类别按原一对一方法进行投票。实验结果显示该方法不仅提高了分类效率,而且在一定程度上提高了分类准确率。     

基于支持向量机的诊断方法研究

根据支持向量机原理,对线性可分与线性不可分两种情况分别建立了分类模型,模型的求解转化为一个二次规划问题,在选用径向基核函数的参数时运用网格搜索的方法进行选取最优参数。在应用到乳房肿瘤的医疗诊断中,准确率为93.00%,较以前的方法有了明显的提高。     

基于支持向量机的水质分类研究

文章在水质监测网站上获取监测数据,首先对数据进行预处理剔除无效数据和无关变量,然后分别建立了线性支持向量机模型和非线性支持向量机模型,采用相同的水质数据使用不同模型分类并利用Python软件进行编程对比,都先使用网格搜索算法对惩罚系数进行寻优,非线性持向量分类机经过交叉验证后选用RBF核函数,实验结果证明采用非线性支持向量机得出的分类准确率更高,更具有推广性。     

基于支持向量机的网页分类研究

探讨了网页的文本分类,阐明了多层文本的概念,分析了支持向量机的数学模型及基于支持向量机的层次文本分类算法,提出了基于支持向量机的网页分类方法流程,指出了进一步研究的要点。     

基于支持向量机和决策融合的人脸检测

针对灰度图像中的人脸检测问题,提出了一种基于多种支持向量机的决策融合检测方法。该方法首先用传统的二类支持向量机(C—SVM)和单类支持向量机(One-Class SVM)分别对图像进行检测,然后决策融合两种分类器的检测结果。在MIT CUM人脸库上的实验结果表明,该方法具有良好的检测效果和较低的虚警率。     

基于支持向量机的网络入侵检测算法综述

在如今的互联网时代,网络安全备受关注,诸多学者为了提高网络入侵检测系统的正确率,增强检测模型的泛化能力,不断提出各种网络入侵检测的模型进行实验。为了方便各学者更快、更深入的了解网络入侵的现状及大量的网络入侵检测算法模型,本文研究了近几年有关网络入侵检测论文的实验成果,为学者们介绍论文中实验步骤的概括及检测方法模型的优缺点,使学者们快捷的了解到某种检测方法模型的要领,从而进行更深入的研究。     

无线传感器网络的故障检测分析

针对无线传感器网络资源受限的特点,研究了故障管理的相关内容,主要对故障检测的几种常见方法进行比较说明,对于无线传感器网络的应用具有一定的指导意义。     

基于支持向量机和油液检测的船舶柴油机故障诊断研究

船舶柴油机对于船舶的正常运行有重要影响,由于船舶柴油机的作业环境恶劣,导致船舶柴油机经常发生故障,尤其是磨损故障发生的频率最高。本文围绕基于支持向量机的船舶柴油机光谱及直读铁谱故障诊断研究、基于支持向量机的船舶柴油机铁谱磨粒故障诊断研究两方面展开讨论,从而降低船舶柴油机故障发生频率。     

支持向量机研究现状

支持向量机（SVM）是机器学习领域一种非常重要的分类算法,它的出现是以统计学习理论为基础的。由于其良好的泛化能力,使得这种分类方法在很多领域都有应用。但是时间复杂度高的缺点一直是困扰这种优秀的分类器进一步发展的原因。文章对支持向量机的发展现状进行了分析和归纳总结,并对未来的发展方向做了有意义的探索。     

支持向量机理论研究

如何解决分类问题和回归问题是支持向量机算法的基本内容。本文研究了使用支持向量机算法解决线性和非线性分类问题和回归问题的原理和方法。     

基于模糊支持向量机的煤矿机电设备运行故障监测方法

针对煤矿机电设备故障监测准确性低,提出基于模糊支持向量机的煤矿机电设备运行故障监测方法。在设备运行终端设置传感器,按照EMD模式提取煤矿机电设备运行的异常信号;引进模糊支持向量机与神经网络,进行瞬时异常信号的特征值训练,识别异常信号,实现煤矿机电设备的故障监测。通过实验证明,对不同信号的设备故障,监测的结果与实际一致,该方法不仅可以实现对设备运行的有效监测,也可以实现对故障的精准诊断,综合使用价值更高。     

改进的支持向量机网络木马病毒检测算法研究

提出一种支持向量机的木马检测方法.首先对木马程序进行特征提取,然后采用支持向量机对木马数据进行训练,建立一个木马检测模型,最后采用木马检测模型对检测程序进行检测,将其分类为合法程序或木马程序.实验表明,采用本方法木马检测准确率在98,4％,远远高于传统木马检测算法的准确正确率,且检测时间更少,更加符合木马实时性要求高的特点.