检索结果-南通市图书馆

基于GA优化合成核支持向量机的船舶柴油机故障诊断

在线全文

学校读者我要写书评

暂无评论

大连海事大学学报 2013年第4期39卷 79-81,85页

作者：董宝玉任光大连海事大学轮机工程学院辽宁大连116026 大连交通大学电气信息学院辽宁大连116028

为解决船舶柴油机故障诊断复杂多样、难于辨识的问题,有效提高分类的准确率,研究一种基于遗传算法优化合成核支持向量机的故障诊断方法.首先,将全局核(多项式核)与局部核(径向基核)通过凸组合的方式构成合成核;然后,利用二进制遗传算法... 详细信息

为解决船舶柴油机故障诊断复杂多样、难于辨识的问题,有效提高分类的准确率,研究一种基于遗传算法优化合成核支持向量机的故障诊断方法.首先,将全局核(多项式核)与局部核(径向基核)通过凸组合的方式构成合成核;然后,利用二进制遗传算法对合成核支持向量机的核参数、权系数、惩罚因子寻优,并应用该方法对采集的多类船舶柴油机故障进行诊断,获得了较高的分类准确率.

关键词：船舶柴油机故障诊断遗传算法(GA) 合成核支持向量机(SVM)

基于合成核SVM的多波束海底声图像底质分类研究

在线全文

学校读者我要写书评

暂无评论

地球物理学进展 2014年第5期29卷 2437-2442页

作者：徐超李海森王川赵先龙哈尔滨工程大学水声技术重点实验室哈尔滨150001 哈尔滨工程大学水声工程学院哈尔滨150001 海军海洋测绘研究所天津300061

基于多波束海底声图像中多种特征信息数据的不同特点,以经典的基本统计算法、基于灰度共生矩阵的纹理分析以及基于功率谱比的Pace谱特征提取方法得到3组特征向量,并组合形成4个合成核以代替传统的单核形式,进而采用支持向量机(support v... 详细信息

基于多波束海底声图像中多种特征信息数据的不同特点,以经典的基本统计算法、基于灰度共生矩阵的纹理分析以及基于功率谱比的Pace谱特征提取方法得到3组特征向量,并组合形成4个合成核以代替传统的单核形式,进而采用支持向量机(support vector machine,SVM)进行底质分类研究.通过海试数据处理对该方法进行评价和验证,结果表明该方法可获得比传统单核SVM更高的分类精度,具备实际应用前景.

关键词：合成核支持向量机声图像底质分类特征提取

基于合成核支持向量机的股指期货价格预测研究

在线全文

学校读者我要写书评

暂无评论

基于合成核支持向量机的股指期货价格预测研究

作者：钱立恒东南大学

学位级别：硕士

金融产品的价格预测一直是众多研究者感兴趣的研究课题之一。然而由于受到诸如宏观调控、经济市场运行和投资者预期等多种因素的影响,金融市场上的数据通常较为复杂,具有非线性、时变和不确定等特征,时至今日这对研究者们来说仍然是一... 详细信息

金融产品的价格预测一直是众多研究者感兴趣的研究课题之一。然而由于受到诸如宏观调控、经济市场运行和投资者预期等多种因素的影响,金融市场上的数据通常较为复杂,具有非线性、时变和不确定等特征,时至今日这对研究者们来说仍然是一项具有挑战性的工作。股指期货是以股票价格指数为标的物的期货品种,同股票市场相比,股指期货的价格预测更为复杂。金融产品的价格预测方法通常可以分为两类。一类是基本面分析法,它运用价值规律,对影响金融产品价格的某些因素进行分析以实现对未来价格趋势的预测。另一类是技术分析法,这类方法将价格预测视为模式识别问题。在这种框架下,首先用历史价格和某些指标建立预测模型,这样对于新数据便可以根据模型对价格做出预测。近年来,随着机器学习和人工智能的兴起,逐渐有学者尝试将机器学习的方法应用到金融产品的价格预测中。支持向量机是一种二类分类模型,由Cortes和Vapnik提出。它的基本模型是定义在样本空间上间隔最大的线性分类器。引入核方法后在非线性分类问题中也取得了较好的效果,是一类广泛使用的机器学习算法。本文基于支持向量机对我国股指期货市场数据建模,并在测试集上验证模型的预测精度。核函数决定了支持向量机与核方法的最终性能,成为支持向量机的最大变数。但遗憾的是,对于具体问题如何选择合适的核函数仍然是一个未决问题。在实际应用中,往往依赖经验与领域知识选择核函数,但核函数选择的有效性需要通过实验验证。这种办法有较大的局限性,特别是当样本特征含有异构信息或样本规模很大、或数据在高维特征空间分布不平坦时,采用单核进行映射的方式对所有样本进行处理并不合理,多核学习是近年来处理这个问题的一个研究方向。本文使用多个核函数并通过学习获得其最优组合作为最终的核函数来代替单个核函数,建立合成核支持向量机模型。本文选用的是沪深300股指期货主力合约的行情数据,分为两个时间段。第一段数据从2010年4月16日到2018年5月1日,作为训练集,用于参数寻优和建立模型,第二段数据从2018年5月1日至2019年11月4日,作为测试集,用于测试模型的精确度。输入特征的选取对支持向量机模型的性能有很大影响。所选择的特征指标应与预测目标密切相关,同时还应注意到较多的特征会增加模型的复杂度,增大计算开销,并可能导致过拟合。本文选取开盘价、最高价、最低价、收盘价、成交量、成交额、持仓量这七个基本的行情指标作为输入特征。本文考虑的是支持向量机分类问题,因此当收盘价上涨或持平时,输出指标为1,反之为1。参数优化是本文的一个研究重点,参数的配置不同,学得的模型性能往往有显著差别,如果参数优化得不当,甚至可能会使合成核函数的性能低于单个核函数,合成核函数也就失去了意义。对于合成核支持向量机模型,本文采用粒子群算法进行参数寻优,以寻优得到的最优参数建立的合成核支持向量机模型在测试集上取得了比传统的单核支持向量机模型更高的预测精度。因此,本文达到了预期效果,丰富了对于股指期货价格预测的方法。

关键词：股指期货支持向量机合成核粒子群算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于合成核支持向量机的风力发电机故障诊断

江南大学学报（自然科学版） 2013年第5期12卷 607-612页

作者：焦斌郝云锁上海电机学院电气学院上海200240 华东理工大学信息科学与工程学院上海200237

采用合成核函数构造支持向量机模型,运用粒子群优化算法(PSO)对模型参数进行参数寻优,利用UCI数据集的数据进行分类验证。与单核SVM相比,该方法具有更好的分类能力和运算速度。将合成核SVM应用到风机齿轮箱的故障诊断中,取得了良好的效果。

关键词：支持向量机合成核粒子群优化算法故障诊断

在线全文

学校读者我要写书评

暂无评论

多核学习方法

自动化学报 2010年第8期36卷 1037-1050页

作者：汪洪桥孙富春蔡艳宁陈宁丁林阁第二炮兵工程学院指挥自动化系西安710025 清华大学计算机科学与技术系智能技术与系统国家重点实验室清华信息科学与技术国家实验室北京100084

多核学习方法是当前核机器学习领域的一个新的热点.核方法是解决非线性模式分析问题的一种有效方法,但在一些复杂情形下,由单个核函数构成的核机器并不能满足诸如数据异构或不规则、样本规模巨大、样本不平坦分布等实际的应用需求,因此... 详细信息

多核学习方法是当前核机器学习领域的一个新的热点.核方法是解决非线性模式分析问题的一种有效方法,但在一些复杂情形下,由单个核函数构成的核机器并不能满足诸如数据异构或不规则、样本规模巨大、样本不平坦分布等实际的应用需求,因此将多个核函数进行组合,以获得更好的结果是一种必然选择.本文根据多核的构成,从合成核、多尺度核、无限核三个角度,系统综述了多核方法的构造理论,分析了多核学习典型方法的特点及不足,总结了各自的应用领域,并凝炼了其进一步的研究方向.

关键词：核方法多核学习合成核多尺度核支持向量机模式识别回归

在线全文

学校读者我要写书评

暂无评论

基于超像素的高光谱图像分类算法研究

基于超像素的高光谱图像分类算法研究

作者：段无悔湖南大学

学位级别：硕士

随着高光谱遥感系统技术的迅猛发展,高光谱图像在很多领域越来越被人们广泛应用,其中高光谱图像分类技术已经成为高光谱遥感技术的研究热点。高光谱图像具有高空间分辨率的同时,每个像元蕴含了数百个波段的光谱信息,对地物分类精度的提... 详细信息

随着高光谱遥感系统技术的迅猛发展,高光谱图像在很多领域越来越被人们广泛应用,其中高光谱图像分类技术已经成为高光谱遥感技术的研究热点。高光谱图像具有高空间分辨率的同时,每个像元蕴含了数百个波段的光谱信息,对地物分类精度的提高有很大帮助。与此同时,如何充分地利用空间信息与光谱信息来进一步提高分类精度也是具有挑战性的。本文针对高光谱图像,研究了通过自适应地提取空间纹理特征,利用空间信息来提高分类精度:1.高光谱图像的超像素分割与特征提取:研究了高光谱图像的超像素分割方法,并且提取超像素的空间信息。超像素是具有相似的纹理、亮度以及颜色等特征的相邻像素构成的图像块。用超像素代替像素进行分类,很大程度上降低复杂度。本文利用超像素算法分割高光谱图像,并且提取超像素块的平均值特征,用到分类中极大地提高了分类精度与效率。2.基于超像素的极限学习机分类方法:研究了将超像素作为整体进行分类,采用极限学习机作为分类器。像素对应光谱特征,而超像素中包含了丰富的空间纹理信息,以超像素代替像素作为分类的基本单元,能够大大降低计算复杂度与提高分类效率。该算法将空间信息与光谱信息结合,运算速度快并且准确率高。3.基于超像素的合成核分类方法:合成核融合了光谱信息与空间信息,空间信息即超像素的平均值特征。本文分别构造了两核与多核函数,充分挖掘了超像素块内的空间信息,以及超像素块与其相邻超像素块之间的信息。合成核可以把在高维空间中内积运算通过原空间中向量间的运算来实现,将样本非线性映射到高维特征空间,从而达到更好的分类效果。真实数据的实验结果表明本文提出的方法有效提高了空谱特征利用率和高光谱遥感图像分类精度。

关键词：高光谱图像特征提取地物分类空谱信息超像素极限学习机合成核

基于多核学习的microRNA前体识别研究与应用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多核学习的microRNA前体识别研究与应用

作者：石恒岳济南大学

学位级别：硕士

MicroRNA是一类长度约为20-24个核苷酸的单链非编码RNA。研究表明,microRNA可以调节约50%的蛋白质编码过程,并参与了生物体生长发育、脂类代谢和激素分泌等在内的多种生理过程,以及白血病、癌症等在内的多种病理过程。如何高效地识别新... 详细信息

MicroRNA是一类长度约为20-24个核苷酸的单链非编码RNA。研究表明,microRNA可以调节约50%的蛋白质编码过程,并参与了生物体生长发育、脂类代谢和激素分泌等在内的多种生理过程,以及白血病、癌症等在内的多种病理过程。如何高效地识别新的microRNA是当前研究的热点问题。MicroRNA前体（pre-microRNA）是microRNA形成的必经阶段,因此,识别新的microRNA可以从识别新的pre-microRNA开始。然而,迄今为止,已存在的pre-microRNA识别模型还存着识别效率不高、识别的物种单一、对特征的表示不丰富等问题,针对以上问题,本文的主要研究内容如下:（1）本文总结了近几年国内外对microRNA识别方面的研究,并提出了新的premicroRNA特征。在总结了效果表现较佳的mi Pred算法提出的29个pre-microRNA特征与triplet-SVM提出的32维三联体特征的基础上,本文提出了5个与pre-microRNA序列相关的新特征,与经过F-score选择的11维三联体特征组合在一起,形成了45个premicroRNA特征,增加了现有pre-microRNA特征的丰富性。在数据集方面,本文采用了多个物种的pre-microRNA数据集,包括拟南芥、果蝇、苔藓、人类等四十一个物种,囊括了植物类、动物类和病毒类。（2）本文提出了基于多核学习的跨物种pre-microRNA识别模型,并首次将局部多核学习模型应用到pre-microRNA识别中,提高了现有跨物种pre-microRNA识别方法的准确率,解决了现有跨物种pre-microRNA识别率较低的问题。传统的单核学习方法映射方式单一,不能充分地表征pre-microRNA数据集的特征。而多核学习方法中的每个核函数有各自的特性,将他们进行简单线性组合可以弥补单核学习方法的缺点。同时,针对现有多核学习方法中赋予各个核函数等权重的问题,采用一种选择模型来根据输入样本动态调整每个核函数所占的权重,将核函数进行加权线性组合。实验结果表明,局部多核学习模型与现有pre-microRNA识别方法相比,明显提高了pre-microRNA的识别率。（3）本文提出了基于深层局部多核学习的pre-microRNA识别模型,将深度学习的思想应用到pre-microRNA分类中,充分利用了pre-microRNA的浅层特征和深层特征。现有的多核学习模型仅对核函数的权重选择进行优化,而仍然受限于浅层的核模型,不能很好的映射样本的深层特征。为了充分映射pre-microRNA数据集的深层特征,本文先研究了一种深层合成核模型,将该模型在pre-microRNA数据集上进行训练后,保存这个深层合成核,随后将该深层合成核作为一种基核函数与其他浅层基核函数一起通过局部多核学习模型组合起来,形成深层局部多核模型。通过这种方法,将深层局部多核模型在同样的pre-microRNA数据集上进行训练后,该模型可以同时映射pre-microRNA数据集的浅层和深层特征,达到更好的泛化效果。实验结果表明,本文提出的深层局部多核模型可以显著提高跨物种pre-microRNA识别模型的敏感性、特异性和准确率,并拥有较好的综合性能。

关键词：核方法多核学习 MicroRNA前体支持向量机合成核