-
-
-
论文研究-基于多特征的PSO-MSVM动态过程质量异常模式识别.pdf
为了提高动态过程质量异常模式识别效率，将动态过程质量模式的均值特征与小波包分解特征作为分类特征，并构建两层多支持向量机识别模型进行分类。利用均值特征，在第一层MSVM中把动态过程变化趋势划分为正常与周期、上升与向上阶跃、下降与向下阶跃三大类别；采用小波包分解特征，在第二层MSVM中对这三大类别进行再分类。仿真结果表明提出的识别模型的识别精度相比采用单一特征的识别模型有明显提高。
-
论文研究-海量数据环境下用于入侵检测的深度学习方法.pdf
针对传统浅层机器学习方法无法有效解决海量入侵数据的分类问题，提出了一种基于深度信念网络的多类支持向量机入侵检测（DBN-MSVM）方法。该方法利用深度信念网络对大量高维、非线性的无标签原始数据进行特征降维，从而获得原始数据的最优低维表示；利用二叉树构造多类支持向量机分类器，并对获得的最优低维表示进行网络攻击行为识别。最后在KDD’ 99数据集上进行实验仿真，DBN-MSVM方法可缩短支持向量机分类器的训练时间和测试时间，提高了海量入侵数据的分类准确率。
-
论文研究-基于支持向量数据描述算法的SVM多分类新方法.pdf
提出一种基于支持向量数据描述算法(SVDD)的多分类方法（SMSVM）。受SVDD的启发，该方法对每类样本建立一个超球来界定，但训练好的超球在所有情况下都是相交的。选择相交区域的样本单独建立超球，重复该步骤，直到相交区域消失或相交区域内没有样本点。给出了该方法的时间复杂度分析，并通过实验验证了该方法具有相对较好的训练精度。
-
论文研究-无量纲免疫支持向量机的复合故障诊断方法.pdf
... 通过选择合适的编码位数来提取故障特征，多分类支持向量机（MSVM）的参数经过免疫优化算法训练后获得最优解，把五种时域特征的无量纲指标提取的故障特征向量输入到MSVM，学习后的MSVM应用于故障诊断。实验结果表明优化后的支持向量机对小样本具有良好的分类性能和实时性，无量纲免疫MSVM与MSVM模型相比能够更加快速、准确进行复合故障诊断。
-
论文研究-基于核主元分析与多支持向量机的监控诊断方法及其应用.pdf
... 研究-基于核主元分析与多支持向量机的监控诊断方法及其应用.pdf,
为保证密闭鼓风炉冶炼过程的正常运行,构造了一种基于核主元分析(KPCA)和多支持向量机(MSVM)的监控模型.该监控模型首先用核主元分析方法对过程数据进行特征提取,然后将代表过程特征的核主元送入到多支持向量机分类器中进行故障诊断与分类 ...
-
-
基于MSVM的质量控制图异常模式识别
基于MSVM的质量控制图异常模式识别，吴善春，沈维蕾，在质量控制图应用过程中如何及时、准确地对控制图异常模式进行识别，对于质量异常诊断具有深刻意义。针对控制图模式识别准确率低
-
基于HGWO-MSVM的采煤机滚动轴承故障诊断方法
针对采煤机滚动轴承故障特征向量提取较困难、多分类效果不理想等问题,提出了基于HGWOMSVM的采煤机轴承故障诊断方法。对轴承故障信号进行小波降噪处理,利用经验模态分解算法对降噪后信号进行分解,并提取能量特征值,作为MSVM的训练集和测试集。采用MSVM进行故障状态识别,并用HGWO算法对MSVM的参数进行优化。试验结果表明,相比于GWO、GA和PSO优化MSVM模型,基于HGWO-MSVM的采煤机轴承故障诊断模型可明显提高故障识别精度和效率。
-
-
Go To English Version 超过100万源码资源，1000万源码文件免费下载
