·
搜索结果:找到“粒子群SVM”相关结果14063条
排序: 按相关 按相关 按时间降序
  • 【期刊】 基于改进粒子群SVM的海洋赤潮监测算法设计

    刊名:青岛大学学报(自然科学版) 作者:陈作聪 ; 宋武 关键词:海洋赤潮 ; 粒子群算法 ; 支持向量机 ; 监测 机构:海南热带海洋学院计算机工程学院 ; 海南热带海洋学院计算机工程学院 年份:2016
    摘要:为克服传统的海洋赤潮监测算法滞后性问题,提出了一种改进粒子群SVM的海洋赤潮监测算法.首先,给出基于改进粒子群SVM的海洋赤潮监测算法的基本原理,采用改进粒子群算法来对SVM的参数进行优化.优化后的SVM模型作为初始模型,采用有标签的样本数据对SVM进行训练,得到训练好的SVM模型.测试当前数据时,将其输入到训练好的SVM模型,通过投票方法统计得到该数据对应的预测结果.仿真实验结果表明,预测结果较为精确,与其他方法相比,具有监测精度高和时间开销小等优点.
  • 【期刊】 基于混沌粒子群SVM参数优化算法

    刊名:重庆文理学院学报(自然科学版) 作者:李太白 关键词:支持向量机 ; 混沌粒子群 ; 参数优化 机构:重庆师范大学计算机与信息科学学院 ; 重庆师范大学计算机与信息科学学院 年份:2011
    摘要:支持向量机的性能与核函数的参数及惩罚系数C有很大关系.利用Lozi’s映射的较好遍历性,在粒子群优化算法中引入Lozi’s映射的混沌思想,提出基于混沌粒子群优化算法的SVM参数优化方法.仿真实验表明,该算法能有效提高整个迭代搜索的收敛速度和精度,从而更好地优化SVM参数.
  • 【期刊】 基于自适应动态搜索粒子群SVM参数优化研究

    刊名:系统仿真学报 作者:高春能 ; 张彪 ; 纪志成 关键词:HACCP ; 支持向量机 ; 自适应动态搜索 ; 小麦加工 机构:江南大学电气自动化研究所 ; 江南大学电气自动化研究所 年份:2015
    摘要:针对小麦加工HACCP(Hazard Analysis and Critical Control Point)关键控制点的选择问题,采用一种基于支持向量机模型来实现关键控制点智能发现的方法。为了提高小麦加工关键控制点发现试验的识别稳定性和精确性,提出一种自适应动态搜索粒子群算法优化SVM模型的核函数参数方法,该算法引入进化因子和进化阈值估计进化状态,动态调整搜索策略。当进化因子大于进化阈值时,采用基本粒子群搜索策略;反之,采用反向搜索策略,以扩大种群的多样性。算法基于进化因子为速度定义了速度惯性参数。仿真结果表明,基于ADS-PSO的SVM模型能够很好的实现关键控制点的智能发现,并取得了较高的识别率和稳定性。
  • 【论文】 基于多种群粒子群SVM预测参数寻优的研究

    作者:门慧超 关键词:支持向量回归机 ; 粒子群算法 ; 预测 ; 参数寻优 机构:哈尔滨工程大学 ; 哈尔滨工程大学 年份:2017
    摘要:本文以数据挖掘作为背景,以应用支持向量机模型对时间序列数据进行预测的问题作为研究对象,研究了一种新的改善预测效果的方法。根据目前就支持向量回归机模型参数寻优的各类方法作为知识基础,从提高计算效率及降低早熟收敛可能性的角度,以粒子群算法为基础,提出了一种结合了遗传算法核心思想的新型的基于核模糊聚类算法参数自学习方法来对支持向量回归机的参数寻优策略进行改进,从而得到更好的预测结果。同时,在改进策略中,创新的提出了用幂函数来作为粒子群算法动态学习因子的方法来提高算法性能。通过三大项策略、四个小创新点来全面改进了已经在支持向量机中大量应用的标准粒子群算法来达到更平衡的性能。这三大项改进点分别为:(1)改进的核模糊聚类种群分割策略,本策略包含两个创新点,一是如何将核模糊聚类算法与多种群粒子群结合的方法;二是对核模糊聚类算法进行进一步的改进。本部分主要是从多种群粒子群算法的种群分割方法上进行改进,提出了一种更加普适的分种群方法。(2)基于非线性异步动态学习因子的粒子群改进策略。本部分从粒子群算法中的重要因素学习因子入手,通过提出一种新的学习因子变化函数来提高多种群粒子群算法的时间效率。(3)基于变异的改进粒子群进化策略。本部分创新点从粒子群的进化过程入手,通过对适量粒子加入变异操作来提高粒子种群的多样性,进而进一步降低早熟收敛的可能性。这四个创新点分别涵盖了改善聚类效果、提高算法迭代过程中的多样性、提高算法效率等几个方向。选取了五个不同特点的数据集,分别代表了时间序列数据的五个典型类型,用提出的改进粒子群算法与网格算法(Grid Algorithm)、标准粒子群算法(PSO)、标准遗传算法(GA)、人工蜂群算法(ABC)四种智能参数自学习算法进行对比。进行了5组共25次分实验。实验结果表明,本改进算法在预测准确度方面相对传统方法有着一定的提高,时间效率也较为合理,使二者达到了一定平衡,算法具有一定的普适性。最后,本文还对支持向量机在预测方面本身的缺点与不足进行了分析,并指出了日后的研究方向。
  • 【期刊】 基于改进离散二进制粒子群SVM选择集成算法

    刊名:计算机工程与应用 作者:孟常亮 ; 李卫忠 ; 廖勇 ; 华继学 关键词:离散二进制粒子群 ; 支持向量机(SVM)选择集成 ; 适应度函数 ; 调节因子 机构:空军工程大学导弹学院 ; 空军工程大学导弹学院 ; 中国人民解放军95824部队 年份:2011
    摘要:针对基于离散二进制粒子群(BPSO)的SVM选择集成算法的分类精度不高,以及所选分类器个数过多等问题,利用改进的离散二进制粒子群算法(IBPSO)和SVM选择集成算法相结合,提出基于IBPSO的SVM选择集成算法。通过选用合适的适应度函数以及调节因子k,进行多次仿真,实验表明,对由boostrap方式生成的SVM集合,基于IBPSO的SVM选择集成在精度和分类器个数方面均优于基于BPSO的SVM选择集成,证明了IBPSO算法的优越性。
  • 【论文】 基于改进粒子群SVM的电机轴承故障诊断方法研究

    作者:罗映莲 关键词:电机轴承 ; 故障诊断 ; 模糊熵 ; 改进粒子群 ; 支持向量机 机构:大连交通大学 ; 大连交通大学 年份:2017
    摘要:轴承作为电机最为关键的部件,其运行状态直接决定着设备能否安全和可靠运行。但由于轴承内圈、外圈和滚动体间承受高频、变应力的作用,其工作条件十分复杂,成为电机中故障敏感多发部件,一旦发生故障,故障就会快速发展,若不及时发现故障并采取相应措施,在短时间内会造成热轴、燃轴、切轴,导致机破、停运、停产等事故,造成重大的经济损失。因此,开展电机轴承故障智能诊断方法的研究,及时发现轴承故障,具有重要的理论意义和应用价值。本文结合国家自然科学基金项目,以电机轴承为研究对象,将经验模态分解、模糊熵、改进粒子群算法和支持向量机引入到故障诊断中,提出一种电机轴承故障诊断新方法。首先,采用经验模态分解(EMD)方法,对电机轴承振动信号进行分解,获取若干个基本模态分量(IMF),再利用模糊熵技术有效提取振动信号的特征,并进行归一化处理。通过改进粒子群算法(PSO)的学习因子和惯性权重,并引入自适应粒子变异策略,提出一种改进的粒子群优化算法,用于优化支持向量机(SVM)的核函数和惩罚参数,构建了一种具有较强泛化能力的数据分类模型,以提高分类精度,进而建立一种基于经验模态分解、模糊熵、改进粒子群算法和支持向量机相结合的电机轴承故障诊断方法。最后,通过实际电机轴承振动数据,对提出的改进粒子群算法和故障诊断方法进行了有效性的验证。实验结果表明,改进粒子群算法具有较强的优化能力,能有效提高支持向量机的分类精度,获得较高的电机轴承故障诊断准确率。因此该研究为电机故障诊断提供了一种新的方法,也为旋转机械故障诊断提供了一种新思路。
  • 【期刊】 基于粒子群优化SVM的苹果图像分割

    刊名:湖北文理学院学报 作者:黄奇瑞 关键词:图像分割 ; 机器视觉 ; 粒子群算法 ; 参数优化 ; 支持向量机 机构:南阳理工学院电子与电气工程学院 ; 南阳理工学院电子与电气工程学院 年份:2015
    摘要:苹果图像分割是苹果采摘机器人视觉系统中识别和定位的关键技术.针对目前苹果采摘机器人对果实识别误差大、处理时间长等问题,结合粒子群算法在求解组合优化问题时具有的全局搜索特性,提出了一种基于粒子群参数优化的SVM分割算法.试验结果表明:该算法能很好地实现苹果果实与图像背景的分离,后续利用数学形态学中的闭运算对分割后的图像进行处理,能够较好地保存苹果轮廓信息、消除孔洞现象,为完善苹果采摘机器视觉系统的识别和定位提供技术支持.
  • 【期刊】 采用自适应变异粒子群优化SVM的行为识别

    刊名:光学精密工程 作者:张国梁 ; 贾松敏 ; 张祥银 ; 徐涛 关键词:人体行为识别 ; 自适应变异粒子群算法 ; 时空兴趣点 ; 特征编码 ; 支持向量机 机构:北京工业大学 ; 北京工业大学 年份:2017
    摘要:为了提高对视频序列中人体行为的识别能力,建立了基于局部特征的动作识别框架.通过时空特征提取及编码和SVM分类器参数优化两部分对该框架所涉及算法进行了研究.首先,采用Harris3D检测器获取时空兴趣点(STIP),以方向梯度直方图(HOG)和光流方向直方图(HOF)对STIP进行描述,并引入Fisher向量实现对特征描述子的编码;由于固定参数下SVM动作分类模型存在泛化能力不足的问题,将粒子群算法应用于各动作分类器参数寻优过程中,针对种群多样性逐代变化的特点,构建粒子聚集度模型,并利用其动态调节各代粒子的变异概率;最后,利用KTH和HMDB51数据集对所提方法进行验证.结果表明,所提自适应变异粒子群算法(AMPSO)能够有效避免种群陷入局部最优,具备较强的全局寻优能力;在KTH和HMDB51数据集上的识别准确率分别为87.50%和26.41%,优于其余2种识别方法.实验证明,AMPSO算法收敛性能良好且整体识别框架具有较高的实用性和准确性.
  • 【期刊】 基于改进粒子群优化SVM的通风机故障诊断

    刊名:煤矿机械 作者:卢向华 ; 李雅萍 关键词:故障诊断 ; 支持向量机 ; 粒子群优化 ; 通风机 机构:洛阳理工学院 ; 洛阳理工学院 年份:2015
    摘要:针对支持向量机在故障诊断中参数的选取问题,提出一种改进的粒子群优化算法,对支持向量机的惩罚因子与核参数进行优化。为了克服传统粒子群算法前期收敛快、后期易陷入局部最优的缺陷,提出一种惯性权重自适应调整的粒子群优化算法,建立基于粒子群和支持向量的通风机故障诊断模型,通过样本数据对模型进行训练与测试,实现了通风机故障的识别,结果表明该模型对通风机故障的诊断是可靠的。
  • 【期刊】 基于云粒子群优化SVM的汽轮机转子故障诊断

    刊名:汽轮机技术 作者:陈长河 ; 石志标 ; 曹丽华 关键词:支持向量机 ; 云粒子群算法 ; 故障诊断 ; 汽轮机转子 机构:东北电力大学机械工程学院 ; 东北电力大学机械工程学院 ; 东北电力大学能源与动力工程学院 年份:2018
    摘要:为了提高汽轮机转子故障诊断的识别准确率和效率,提出了一种基于云粒子群算法(cloud particle swarm optimization,简称CPSO)优化支持向量机(support vector machine,简称SVM)的故障诊断方法。首先,将云理论与粒子群算法(PSO)相结合得到CPSO算法;其次,通过CPSO算法优化的SVM得到诊断模型;最后,通过ZT-3转子试验台进行汽轮机转子常见故障模拟实验,获取故障数据后进行故障识别研究。结果表明:与PSO-SVM模型相比,CPSO-SVM的诊断模型可以准确、高效地识别出故障类型,证明了该诊断方法的有效性和可行性。
  • 【期刊】 基于粒子群优化SVM的飞机发电机故障诊断

    刊名:计算机测量与控制 作者:和麟 ; 梁丽嫒 ; 黄潇瑶 ; 马存宝 关键词:故障诊断 ; 支持向量机 ; 粒子群优化 ; 三级无刷交流发电机 ; 励磁绕组故障 机构:西北工业大学航空学院 ; 西北工业大学航空学院 ; 西安微电子技术研究所 年份:2013
    摘要:飞机交流发电机是飞机电源系统中最重要的部件,因此对飞机发电机的故障诊断至关重要;针对支持向量机(SVM)故障诊断中存在的参数寻优随意性、盲目性和效率低的问题,将粒子群优化算法引入SVM参数寻优,深入研究了基于粒子群优化SVM的飞机发电机故障诊断算法;以主发电机的阻尼绕组电流和励磁绕组电流为特征量,提取故障特征样本,通过分析三级无刷交流发电机的交流励磁机励磁绕组故障,实现对飞机发电机的故障诊断;算例结果表明,该诊断算法能有效诊断出故障,并且有较高的准确率和诊断效率。
  • 【期刊】 一种基于粒子群优化SVM的交通流量预测方法

    刊名:运城学院学报 作者:王惟 关键词:支持向量机 ; 粒子群优化 ; 交通流量 ; 短时预测 机构:晋中学院数学学院 ; 晋中学院数学学院 年份:2014
    摘要:为了准确预测交通流量,提出了一种基于改进型支持向量机算法的短时交通流量预测方法。支持向量机对训练样本进行学习后,可以形成影响因素与影响结果之间的最优函数,进而根据实时交通状态对交通流量进行非线性回归预测。为了提高预测精度,使用QPSO算法优化了支持向量机的参数,并进行了滤波处理以减小模型误差。仿真结果显示,实际预测误差小于10%。
上一页 1 2 3 4 5 6 7 8 9 10 下一页 跳转