用进化支持向量机进行基桩低应变完整性检测

将遗传算法与支持向量机相结合,建立一种用于基桩低应变完整性检测的进化支持向量机分类模型。该法基于实测数据,可以有效地解决支持向量机的参数确定问题,快速地建立模型,其实例表明,方法简便易行,预测精度高。     

基于支持向量机的城市快速路交通拥堵识别方法

首先提出一种基于交通流量-交通密度的二维空间下的交通状态分类方法,在此基础上,构建对拥堵状态和非拥堵状态识别的支持向量机分类器;其次,设计基于支持向量机的城市快速路交通拥堵识别方法的步骤;最后,以西安市南二环快速路采集的交通参数数据为例,对比验证了在不同支持向量机(SVM)分离器下本文提出的城市快速路交通拥堵识别方法的有效性.研究表明:SVM线性核函数分类器的识别正确率(识别正确率均值为91.65%)高于多项式核函数等其他核函数分类器,说明交通拥堵识别的具有良好的线性可分性;不同核函数分类器的识别正确率均高于90%,说明本文设计城市快速路交通拥堵识别方法具有良好的识别性能.     

基于遗传算法的城市客运出租汽车调度中心人员排班研究

深入分析了城市客运出租汽车调度中心业务员排班中班次生成阶段的业务特点,对排班问题进行了建模,并将其抽象为一个求非线性、带约束条件的函数最小值的优化问题,用数据规划模型及约束条件函数进行了问题的描述。论述了遗传算法的定义、特点和实现流程,将遗传算法的基本理论应用到排班问题的研究当中,并根据业务特点设计了目标函数和约束条件函数,研究了初始种群、适应度函数和遗传算子的设计方法,采用Matlab遗传算法工具箱进行了实例分析,结果证明遗传算法是求解调度中心人员排班问题的一种有效方法。     

基于深度学习的汽车故障知识图谱构建

本文将知识图谱引入汽车故障诊断领域，以某公司的售后业务数据为来源，根据文本特点，设计了一种知识图谱构建流程：在传统构建流程的基础上，加入文本预分类和实体重组流程。基于DPCNN模型的文本预分类用于处理目标字段存在信息冗余的问题；基于BERT-BiLSTM-MUL-CRF模型的实体抽取与基于语法规则的实体重组的组合形式可以有效解决文本中的嵌套实体问题和非连续实体问题；采用结合术语相似度和结构相似度的方法完成知识融合；最后，选用Neo4j图数据库进行存储，完成汽车故障知识图谱的构建。     

一种基于视频序列的城市快速路交通状态分类方法

研发智能交通系统(ITS)是目前世界上各个国家交通运输领域技术发展的热点之一.而交通状态的有效分类和识别是ITS中主要子系统和重要功能之一.针对传统提取交通参数方法在拥堵状态下准确率偏低的情况,文中提出一种基于视频序列的城市快速路交通状态分类方法.定义并从视频序列中获取时空线序列符,该时空信息存在大量的数据冗余,因此通过主成分分析方法(PCA)进行降维与特征提取;通过主观评价方式,选取畅通和拥堵交通状态下样本输入支持向量机(SVM),根据实验仿真结果选择高斯径向基核函数作为核函数来解决特征数据非线性的问题,并通过参数调优构建出交通状态二分类的最优模型.实验表明,时空线序列符和主成分分析的方法可以很好地应用于交通状态分类当中.      

基于遗传算法和支持向量机的汽车行驶工况识别

为了提高支持向量机算法应用在行驶工况识别上的准确率,提出一种基于遗传算法优化策略.基于主成分分析理论对实车采集的4种典型城市工况载荷谱数据提取特征参数,并以此作为识别模型的输入参数,然后通过网格搜索法确定参数寻优空间,再由遗传算法在此范围内精确寻优.仿真试验结果显示,运用这种基于遗传算法优化支持向量机建立的识别模型分类识别精确度比之前提高了3.44％.     

基于支持向量机的夹紧力控制阀质量分类

提出了采用支持向量机对CVT夹紧力控制阀进行质量分类的方法.并设计了相应的提取夹紧力控制阀性能特征参数的试验方案与夹紧力控制阀SVM多类分类器.利用试验得到的性能参数对SVM分类器进行训练,然后分别使用训练成熟的SVM分类器与RBF神经网络分类器对夹紧力控制阀进行质量分类.结果表明,采用SVM分类器的分类准确率明显高于RBF神经网络分类器.     

The Application of Support Vector Machine to the Fault Identification of Vehicle Automatic Transmission

本文中提出基于支持向量机的汽车自动变速器故障识别方法.首先利用设计的虚拟测试系统采集自动变速器3种状态下的运行数据,再对数据进行整理和筛选,提取合适的数据作为训练样本,然后设计基于支持向量机的多值分类器进行故障识别,最后与基于BP人工神经网络的诊断方法进行对比.结果表明,基于支持向量机的故障识别方法具有更快的收敛速度和更强的分类能力,适用于汽车自动变速器实时故障识别和诊断.     

基于决策树和支持向量机在公司财务风险评估中的应用

本文选取被ST的股票,通过分析其包括盈利能力、资产管理能力、偿债能力、发展潜力四大类的21个财务指标,对公司是否被ST进行分类预测。本文在对数据进行极差规格化处理后,借助R中Rattle软件包的随机森林(Random Forests),选取了重要性高的前8个指标,再分别用决策树和支持向量机的方法进行对比研究。得出支持向量机建立的风险评估模型相较于决策树有更好的分类预测功能。     

基于机器学习的公交卡数据中通勤人群辨识方法

以厦门市公交IC卡数据为依托,提出一种基于问卷调查数据的机器学习分类方法——决策树模型,用于分类辨识公交刷卡数据中的通勤人群.研究中利用公交刷卡数据与调查问卷中同时包含的公交出行信息作为非类别属性变量,以公交通勤人群/非公交通勤人群作为分类变量,分别构建决策树模型中的树节点与叶节点.之后,利用随机抽取的2/3调查样本数据构成决策树算法的训练集,余下数据作为决策树算法的测试集,对模型进行构建、训练与测试,结果显示模型预测效果良好,其覆盖率约为98.1%,命中率也达到81%,最终将该模型用于公交刷卡数据中通勤人群的分类辨识.