共查询到19条相似文献，搜索用时 187 毫秒
1.
为估计汽车电子市场的潜在价值,引入一种基于改进优化核函数参数支持向量机(Support Vector Machine,SVM)的中国汽车月产量预测模型.SVM采用RBF核函数和ε-SVR回归方法;参数选择归结为使推广能力的估计值最小、对偶问题最大化的最优化问题.根据2005—2009年中国汽车月产量数据,预测2010年前3个月的中国汽车月产量,并估计中国轻型汽车电子市场的潜在价值.结果表明:该模型能够提高短期预测性能,可为汽车公司的市场决策提供有价值的参考. 相似文献
2.
基于混合遗传算法的船舶避碰路径规划 总被引：2，自引：0，他引：2
针对不同会遇态势下的船舶避碰路径规划问题,建立一种基于遗传算法和非线性规划理论的避碰路径规划模型。该模型结合遗传算法全局搜索能力强与非线性规划方法局部搜索能力强的特点,使混合后的遗传算法在性能和效率上都得到提高。综合考虑船舶安全性、路径平滑度和路径长度等因素的影响建立避碰目标函数,采用基于实数编码方式的轮盘赌选择算子、算术交叉算子和高斯变异算子,通过迭代获取全局范围内的最优解。通过仿真对模型进行可行性验证和必要性分析。 相似文献
3.
为了有效地提高支持向量机(SVM)在工业过程中的故障检测性能,提出一种基于滑动窗口的核熵成分分析(KECA)和支持向量机(SVM)结合(MWKECA-SVM)的非线性过程故障检测方法.运用核熵成分分析(KECA)提取包含非线性特征信息的得分向量作为SVM的输入.运用正常和故障数据的非线性特征向量训练SVM模型获得判别分... 相似文献
4.
使用核方法估计密度时,窗宽{nh}和核函数K)(×的选择是必要的.这里提出在相对均方积分误差RMISE达到最小的意义下寻求获得最优核函数,并对不同核与优核的效率进行了讨论. 相似文献
5.
朱昌明 《上海海事大学学报》2017,38(4):93-100
为弥补具有径向基函数(radial basis function, RBF)核的支持向量机(support vector machine, SVM)的不足，即如何获得合适的RBF核并且包含更多的数据信息，提出一个关于核聚类的有效方法。该方法通过关于核数目、中心、宽度的一些公式来生成核。这个生成方法可以容易、合理、优化地获得核。在美国邮政手写数字数据集(记为USPS)和字母识别数据集(记为Letter)上的试验可以验证，具有这些新生成的RBF核的SVM拥有更少更合理的核以及更高的分类性能。通过这个新提出的方法，可以处理更多的大规模分类问题。 相似文献
6.
多级物流节点选址问题建模与求解 总被引：1，自引：1，他引：0
为解决多级物流网络节点的选址问题,提出与现实中企业多元化经营范围相应的多级物流节点选址优化模型.该方法将物流节点选址问题转化为函数最小值求最优解问题;将多级网络按照节点层数分割成若干个3级规划模型;将每层的上一层级假设成供应商点,下一层级假设为客户点;用并行遗传算法,通过循环求解3级规划模型最优解,得出整个物流网络规划方案的最优决策.物流节点选址实例应用和仿真分析表明,该方法具有较强的可操作性和广泛的适用性,对优化物流节点以及类似设施选址具有一定的指导意义和参考价值. 相似文献
7.
《上海海事大学学报》2017,(4)
为弥补具有径向基函数(radial basis function,RBF)核的支持向量机(support vector machine,SVM)的不足,即如何获得合适的RBF核并且包含更多的数据信息,提出一个关于核聚类的有效方法。该方法通过关于核数目、中心、宽度的一些公式来生成核。这个生成方法可以容易、合理、优化地获得核。在美国邮政手写数字数据集(记为USPS)和字母识别数据集(记为Letter)上的试验可以验证,具有这些新生成的RBF核的SVM拥有更少更合理的核以及更高的分类性能。通过这个新提出的方法,可以处理更多的大规模分类问题。 相似文献
8.
BD-2/GPS组合导航系统选星算法及定位分析 总被引：1，自引：0，他引：1
为解决组合导航系统定位精度与快速定位之间的矛盾,提出一种新的选星算法.该方法将可见卫星仰角与遗传算法相结合,以几何精度因子(GDOP)计算模型作为遗传算法中判断解优劣的适应度函数,从而达到快速定位的效果.将应用该方法所得的GDOP和算法运行时间与应用最佳GDOP算法计算所得的相应结果进行对比,发现采用该方法得到的GDOP接近最优值,而且选星算法计算时间减少.实验数据分析证明该方法在实时性和可行性方面的优越性. 相似文献
9.
针对具有非等间距、单峰等特点的数据序列,采用时间序列分析方法,建立函数系数自回归模型.对模型系数函数采用两步局部线性估计法进行估计,根据Multifold Cross-Validation原则,选择最优带宽.运用该模型描述某传染病的传播规律,其所得结论与已有的医学认识相符,与线性自回归模型相比,该模型的精度有明显提高. 相似文献
10.
基于混堆模式的集装箱码头出口箱进场选位策略 总被引：2，自引：1，他引：1
针对集装箱码头出口箱进场选位问题,提出基于混堆模式的出口箱进场选位优化策略.该策略以压箱数最少为目标,建立基于整数规划的选位模型;根据发箱时较低翻箱率的要求,采用启发式算法和分布式遗传算法相结合的混合算法求解选位模型;其中启发式规则用于缩小可行解的范围,分布式遗传算法用于求近似最优解.某集装箱码头的仿真案例表明,采用该模型和算法对降低船舶压箱总数和在港时间具有一定作用,说明该出口箱混堆选位模型和算法的有效性与实用性. 相似文献
11.
介绍了一个更有效的基于支持向量机的实时超声波钢轨伤损自动检测分类系统.根据钢轨伤损的特点提取特征量,利用基于支持向量机的分类预测算法实现钢轨伤损的实时检测分类,并基于统计处理的计算伤损尺寸.在嵌入式系统DSP中利用该机器学习算法实现了伤损的实时处理和测试.实现了钢轨伤损实时报警、显示伤损类型、所处轨内位置及程度. 相似文献
12.
传统的欠采样方法容易丢失重要的样本信息,且其实验结果的稳定性较差。针对上述问题,提出一种基于类重叠度欠采样的不平衡数据模糊多类支持向量机算法。该算法首先采用LOF局部离群点因子和箱线图的方法清洗训练数据集中的噪声样本,然后根据类重叠度抽取对分类起关键作用的支持向量,并且将代表每个样本点重要程度的类重叠度作为隶属度值,构造模糊多类支持向量机。实验结果表明,该算法克服了随机欠采样的支持向量机容易丢失重要样本信息和实验结果不稳定的缺点,且很好地提升了支持向量机在不平衡且含噪声的数据集上的分类精度,并保持较高的计算效率。 相似文献
13.
针对日长变化难以用精确模型进行预报的问题,将一种新型人工神经网络--极限学习机(extreme learning machine, ELM)用于日长变化预报中.首先针对时间序列预测问题中存在的嵌入维数选取和网络结构设计问题,提出一种基于灰色关联分析(grey relational analysis, GRA)的ELM算法(GRA-ELM),该算法将灰色关联分析输入节点选取嵌入到ELM网络的训练过程中,同时完成嵌入维数和隐层节点规模的确定.然后根据日长变化数据的特点对其进行预处理,建立一种能够高精度、近实时预报日长变化的GRA-ELM预报模型.最后将GRA-ELM模型的预报结果同标准ELM、反向传播神经网络、广义回归神经网络和地球定向参数预报比较竞赛的结果进行比较.结果表明,通过本方法得到的日长变化较其他方法在精度上有较大改善. 相似文献
14.
为研究通过脑机接口(Brain-Computer Interface,BCI)处理非线性、非稳定性信号问题,针对基于脑磁信号(magnetoencephalography,MEG)的BCI,提出一种基于经验模式分解(Empirical Mode Decomposition,EMD)和Hilbert变换的MEG特征提取和分类方法.该方法首先对MEG数据进行预处理;其次用EMD和Hilbert变换方法提取特征向量;然后用主成分分析法对提取到的特征向量进行降维处理;最后把处理过的特征向量作为支持向量机(Support Vector Machine,SVM)的一个输入向量实现MEG的分类.使用该方法对第4届国际BCI竞赛提供的MEG数据进行分类,实验结果表明可以获得较高的分类准确率. 相似文献
15.
提出一种基于特征筛选和二级分类的建筑提取算法。该算法首先对极化SAR数据进行精致Lee滤波,获取多维极化特征和纹理特征构成原始特征集;然后将随机森林作为初级分类器评估各特征的重要性,依据重要性排名进行特征筛选;最后通过支持向量机对特征子集进行次级分类,并用邻域投票法将两级分类结果融合。AIRSAR极化数据实验结果表明,本算法可有效提高极化SAR建筑提取准确率。 相似文献
16.
针对当前船舶自动识别系统(automatic identification system,AIS)数据存在大量错误和缺失的问题,通过匹配AIS数据丢失时间制定完备AIS数据库,采用改进的Hausdorff距离公式融合轨迹空间相似度与船舶航行速度相似度,采用相似轨迹作为最小二乘支持向量机(least squares support vector machine,LSSVM)算法的输入样本,通过数据训练得到的回归模型对AIS数据进行修复。采用实际数据进行验证。结果显示,本文提出的基于粒子群优化(particle swarm optimization,PSO)的LSSVM算法能够准确还原AIS数据。结果可以提高AIS数据的连续性和完整性。 相似文献
17.
为提高船舶航迹预测精度,解决准确建模难度大和神经网络易陷入局部最优的问题,考虑实时获取目标船AIS数据较少的特点,提出一种基于支持向量机(support vector machine,SVM)的航迹预测模型。选择AIS数据中的航速、航向和船舶经纬度作为样本特征变量;采用小波阈值去噪的方法处理训练数据;采用差分进化(differential evolution,DE)算法对模型内部参数寻优以提高模型收敛速度和预测精度。选取天津港实船某段航迹的AIS数据,比较基于DE-SVM与基于BP神经网络的航迹预测模型的仿真结果。结果表明,基于DE-SVM的航迹预测模型具有更高的预测精度,简单、可行、高效,且耗时少。 相似文献
18.
为提升极化合成孔径雷达(SAR)地物分类精度,提出一种基于AdaBoost改进型随机森林和支持向量机(SVM)结合的二级分类结构。首先将AdaBoost改进型随机森林作为初级分类器,该分类器能根据决策树的分类能力赋予权重,分类能力越强则权重越高,从而提升初级分类精度。初级分类器还能评估输入特征的重要性,获得重要性排名。根据重要性排名进行特征筛选,用筛选后的特征训练SVM分类器,获取二级分类结果。最后利用邻域投票法将两级分类结果融合。AIRSAR极化数据对比实验表明,该分类结构可有效提升极化SAR地物分类精度。 相似文献
19.
为实现起重机节能环保和延长电池组的寿命,以电池的剩余容量作为集装箱龙门起重机能源系统健康状态的评价标准,建立BP神经网络和最小二乘支持向量机(least squares support vector machine,LSSVM)两种电池剩余容量预测模型。分别采用梯度下降算法和标准粒子群优化算法对两种预测模型中的参数进行优化。利用训练好的模型进行电池剩余容量预测。将两种模型的预测值与实测值进行对比分析,结果表明这两种模型都具有高的预测精度,而LSSVM模型是更合适的预测模型。 相似文献