共查询到20条相似文献,搜索用时 328 毫秒
1.
为了找到支持向量机(SVM)最佳的分类参数,用以构建适合纹理图像分割的SVM分类器,文中是将基于小生境和交叉选择算子的粒子群算法( NCSPSO)引入变异算子和族外竞争机制加以改进后与人工鱼群算法( AFSA)混合,提出了一种改进的NCSPSO-AFSA混合算法优化支持向量机参数,并分别与AFSA算法,粒子群算法(PSO),NCSPSO算法在图像分割准确率、参数寻优时间、图像分割时间等方面进行对比和分析,实验表明文中算法能够更好地获得适用于纹理图像分割的SVM参数,在缩短图像分割时间的同时提高了图像分割准确率,相比较其他算法,文中算法稳健性更好。将此方法应用于电镜及超声纹理图像分割中能较好地提取出目标区域,图像边缘部分的分类也很清晰。 相似文献
2.
支持向量机是一种采用结构风险最小化原则代替传统经验风险最小化原则的新型统计学习方法,具有完备的理论基础。首先应用支持向量机原理建立了基于支持向量机的多参数武器装备可靠性增长费用预测模型,然后对我军某型现役装备使用阶段可靠性增长费用数据进行了预测与分析。结果表明,与一般的回归分析相比,基于支持向量机的回归模型具有很好的预测精度。 相似文献
3.
4.
5.
文中分别用主成分分析、独立成分分析以及线性鉴别分析方法对图像进行特征抽取,同时采用K近邻算法和支持向量机算法进行人脸图像分类.通过在YALE人脸图像库上实验,结果表明:多种特征抽取方法下的图像分类算法是有效的. 相似文献
6.
7.
8.
9.
在网络入侵检测中,数据类别不均衡训练集的使用将产生分类偏差,支持向量机是一种新型的统计学习模型,在处理小样本和学习机的推广能力上有很大的优势.针对支持向量机解决k个多类分类问题存在训练样本数据大、训练困难的问题,提出基于支持向量机的决策树训练算法,构建了基于支持向量机决策树的入侵检测系统模型.利用KDDCup99数据集,将本文提出的算法与Lee-Carter方法和1-v-R方法进行了对比实验.通过实验和比较表明,该方法的训练效率大大提高,并且具有较高的检测率. 相似文献
10.
11.
将SVM引入了船舶油污损失赔偿额的估算中,通过从历史船舶溢油事故案例中选取了十组样本数,以污染损失赔偿额与影响因子集作为训练样本,建立了船舶溢油事故污染损失额估算的SVM模型。并对SVM模型进行仿真训练学习,并将训练好的神经网络应用于对相关案例的估算。研究结果表明应用SVM方法进行溢油损失估算结果客观、可靠,为船舶油污索赔和环境保护提供了有力的理论依据。 相似文献
12.
末敏弹是一种先进的新型弹药,由于其结构复杂,影响因素多,所以对其进行全面的系统优化设计比较困难。文章探讨了基于支持向量机的末敏弹命中概率预测模型的建模方法,并采用遗传算法对系统效能参数进行了优化,获得了影响系统效能的几个主要因素的合理搭配,为末敏弹的系统效能研究提供了依据。 相似文献
13.
单桩竖向极限承载力是桩基础设计中一项重要的内容,本文应用V-支持向量回归机算法,对单桩竖向极限承载力进行了预测。结果表明这种方法可以作为单桩竖向极限承载力计算的一种参考。 相似文献
14.
15.
鉴于支持向量机的优秀特性,将其应用在金属磁记忆检测中,构造基于梯度值的裂纹标识量,实现对裂纹的定位和裂纹程度的标定,并通过有限元仿真,计算裂纹和裂纹程度及对应的漏磁信号,得到训练样本和测试样本,并训练支持向量机。仿真结果表明:应用支持向量机实现铁磁构件裂纹识别是可行的。 相似文献
16.
通过故障诊断可以对水面无人艇可能要发生的故障进行预报、分析和判断,从而及时调整控制策略以抑制故障的继续发展,为消除故障、维修设备提供准确的技术支持.SVM是基于统计学习理论的一种机器学习方法,常用于故障诊断,在解决小样本、高维度、非线性模式识别问题中有独特优势.SVM分类的准确率由其属性参数直接决定,而最佳的属性参数往往很难直接得到.基于粒子群优化SVM(PSO-SVM)的水面无人艇故障诊断方法,即将粒子群优化算法(PSO)用于SVM属性参数的优化选择中,充分发挥了PSO算法的全局搜索能力和易于实现的优势.水面无人艇故障诊断实例分析结果表明,PSO-SVM的故障诊断精度高于BP-NNs、GS-SVM、GA-SVM。PSO-SVM适用于水面无人艇故障诊断. 相似文献
17.
18.
支持向量机和遗传算法组合策略的VLCC船中结构优化设计(英文) 总被引:1,自引:0,他引:1
In this paper a hybrid process of modeling and optimization,which integrates a support vector machine(SVM) and genetic algorithm(GA),was introduced to reduce the high time cost in structural optimization of ships.SVM,which is rooted in statistical learning theory and an approximate implementation of the method of structural risk minimization,can provide a good generalization performance in metamodeling the input-output relationship of real problems and consequently cuts down on high time cost in the analysis of real problems,such as FEM analysis.The GA,as a powerful optimization technique,possesses remarkable advantages for the problems that can hardly be optimized with common gradient-based optimization methods,which makes it suitable for optimizing models built by SVM.Based on the SVM-GA strategy,optimization of structural scantlings in the midship of a very large crude carrier(VLCC) ship was carried out according to the direct strength assessment method in common structural rules(CSR),which eventually demonstrates the high efficiency of SVM-GA in optimizing the ship structural scantlings under heavy computational complexity.The time cost of this optimization with SVM-GA has been sharply reduced,many more loops have been processed within a small amount of time and the design has been improved remarkably. 相似文献
19.
主尺度要素数学模型的建立是一项重要有益的工作,提出了用支持向量机对船舶主尺度要素数学建模,与传统数理统计回归分析方法和RBF神经网络模型相比,其精度比较高。实践证明,该方法在船舶设计船型主尺度要素建模等复杂系统方面是实用的和可靠的。 相似文献
20.
基于支持向量机的船舶柴油机故障诊断 总被引:2,自引:0,他引:2
介绍了支持向量机(SVM)的机理,应用SVM对船舶电站主柴油机进行故障诊断,研究了SVM参数的选择方法,仿真结果表明,SVM具有较好的诊断效果和较强的抗噪声能力;对复合故障样本诊断准确度较RBF神经网络高. 相似文献