基于LS—SVM逆系统方法的非线性动态矩阵控制

针对神经网络逆系统建模存在的诸多问题,提出了基于最小二乘法支持向量机的α阶逆系统方法的非线性动态矩阵控制新方法．将最小二乘支持向量机辨识非线性对象的α阶逆模型与原系统串联组成伪线性系统,根据线性动态矩阵预测控制方法对伪线性系统进行控制．仿真结果表明,系统存在扰动和模型参数发生变化时,依然具有很好的动、静态性能,且表现出很强的鲁棒性,证明了方法的有效性．该方法不依赖于系统的数学模型,简化了非线性对象动态矩阵控制器的设计,为非线性预测控制的研究提供了一种新途径．     

A Multiple Model Approach to Modeling Based on Fuzzy Support Vector Machines

A new multiple models (MM) approach was proposed to model complex industrial process by using Fuzzy Support Vector Machines(F_SVMs). By applying the proposed approach to a pH neutralization titration experiment, F_SVMs MM not only provides satisfactory approximation and generalization property, but also achieves superior performance to USOCPN multiple modeling method and single modeling method based on standard SVMs.     

一种基于支持向量机的轴承表面缺陷检测方法

提出了一种基于支持支持向量机和主成分分析的轴承表面缺陷检测算法,该算法把轴承中的非缺陷区域和缺陷区域分别看作两种不同的纹理模式,先利用主成分分析法(PCA)对图像进行降维处理,然后用支持向量机方法对降维后的样本采样学习,然后进行分类判断.实验结果表明,该算法能够较好地实现轴承缺陷的检测分类,有一定的实用价值.     

基于概率支持向量机方法的人脸识别

针对智能会议场景对人脸识别的特殊情况,通过依据检测、跟踪得到头部区域与人脸区域的面积比,选择正面的人脸进行识别,降低了人脸姿态对人脸识别的影响.在分类方法的选择上,采用支持向量机方法,并对支持向量机方法进行了概率建模,分类器输出结果是测试人脸属于每类的概率.实验结果表明:该方法不仅使人脸识别的精度得到了提高,还提供了其属于所在类中的可信程度.     

基于逆系统方法的非线性二自由度内模控制

针对一类非线性连续系统,提出一种基于逆系统方法的二自由度内模控制设计方法.首先根据原系统设计阶积分逆系统,然后针对复合后的伪线性系统设计基于逆系统方法的2-DOF内模控制器.由于采用了二自由度控制器,使系统设定值响应同干扰响应分离,得以分别设计控制器.理论分析和仿真结果证明了文中提出的方法控制性能好,精度高,且控制器设计简单,使系统同时具有良好的跟踪性和鲁棒性.     

基于支持向量回归的图像复原方法研究

针对退化图像复原问题,提出了一种基于支持向量回归的退化图像复原方法.该方法利用支持向量机回归算法非线性映射能力,通过训练样本对的学习训练,在退化图像与原始清晰图像之间建立映射关系,然后对测试样本进行复原.实际图像复原实验表明,得到的复原图像在视觉上和定量分析上都获得了比较好的效果.与神经网络方法相比,支持向量机回归算法克服了神经网络的模型选择与过学习问题、局部极小问题等.     

����·��ͨ�ֲ�����ϵͳ�ĵ���ѧϰ���Ʒ���

本文基于快速路交通流分布参数系统模型,利用快速路交通流系统具有重复运行的显著特点,设计一种新的入口匝道分布参数迭代学习边界控制方案.所提出的方法采用带有反馈的PD-型控制律,不仅可以从以前重复过程中学习有用的知识,提高系统的控制精度;还可以有效的抑制当前运行过程中系统的量测噪声和扰动等不确定影响因素.该方法的另一个显著特点在于充分利用了快速路交通系统的分布参数模型描述,更全面地利用了系统的时空控制信息,从而提高了整个路段的控制性能.本文基于Matlab仿真进一步说明所提出方法的有效性和适用性.     

基于支持向量机的短时交通流预测方法

在介绍智能交通系统的特点和相关技术的基础上，SVR算法被用来处理短时交通量预测问题。实验证明，支持向量机在交通系统中的应用具有可行性、有效性和广阔的前景。     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱,以及过分依赖历史数据的不足,提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型,包括受限玻尔兹曼机的显层节点输入端,受限玻尔兹曼机的若干中间层,以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较,结果表明,在相同的数据和计算平台下,本文提出的深度学习回归机预测方法精度更高,且预测实时性也能满足实际的需求.     

基于支持向量机的桁架桥可靠度评估

针对桁架桥结构极限状态方程一般难以显式表达的特点,提出基于支持向量机的桁架桥可靠度评估方法。通过抽样,采用桁架桥有限元计算,利用支持向量机的非线性映射和泛化能力,建立随机变量与结构响应之间的函数关系,模拟结构极限状态方程,采用优化算法计算桁架桥可靠指标。研究表明:该方法对于评估桁架桥可靠度具有较高的计算精度,但随车辆荷载随机变量的离散性增加,桁架桥的失效概率显著增大。     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱,以及过分依赖历史数据的不足,提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型,包括受限玻尔兹曼机的显层节点输入端,受限玻尔兹曼机的若干中间层,以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较,结果表明,在相同的数据和计算平台下,本文提出的深度学习回归机预测方法精度更高,且预测实时性也能满足实际的需求.     

Radar Emitter Signal Recognition Using Wavelet Packet Transform and Support Vector Machines

This paper presents a novel method for radar emitter signal recognition. First, wavelet packet transform （WPT） is introduced to extract features from radar emitter signals. Then, rough set theory is used to select the optimal feature subset with good discriminability from original feature set, and support vector machines （SVMs） are employed to design classifiers. A large number of experimental results show that the proposed method achieves very high recognition rates for 9 radar emitter signals in a wide range of signal-to-noise rates, and proves a feasible and valid method.     

非线性系统同步的反向设计

反向设计是将Lyapunov函数的选取与控制的设计相结合的一种回归设计方法。将该方法用于同步系统的设计,给出了一个具体可行的同步设计过程。在同步设计中,不管是几阶系统均只需一个控制项。不仅适用于一般的非线性系统的同步,还适用于一些混沌系统（如有外激励的van der pol系统、Duffing系统、Chua电路、Bossler系统等）的同步。控制项中不出现求导项,便于该方法的实施。作为算例,给出了van der pol系统及Chua电路的同步设计。     

基于支持向量分类机和回归机的综合评价方法

采用支持向量多值分类机和回归机进行综合评价排序,以提高机器学习方法的综合评价排序能力,并以管理信息系统综合评价为例,与人工神经网络（ANN）方法进行了对比研究.试验结果表明,基于支持向量多值分类机综合评价得分之间的差异比ANN更明显,而且基于支持向量回归机综合评价得分的相对误差明显小于ANN.     

����֧���������ع�ĺ�������Ԥ���о�

针对航班延误难以预测的问题,采用支持向量机回归方法建立航班到港延误预测模型。首先,采用相空间重构理论计算到港延误的延迟时间、嵌入维数和最大Lyapunov指数,发现到港延误时间序列存在混沌特性;将航班到港延误时间序列进行相空间重构,并结合执飞该航班的航空器在上游机场的离港延误构建模型的输入向量;其次,将粒子群算法、差分进化算法和遗传算法进行比较,用于选择最优的模型参数,实验表明,差分进化算法能够以较高概率获得最优的预测模型;最后,比较该模型、单一因素预测模型和相关向量机预测模型的航班延误预测性能。结果表明,该模型的预测性能明显优于另外两种模型,能够有效预测航班延误。     

基于SVM和小波边缘检测的车型图像识别

在基于小波边缘检测和SMO算法的基础上进行车型图像识别,首先将待识别目标进行二维小波分解,获取不同尺度下的小波系数,然后对其进行主元分析,得到的主元作为支持向量机的特征量输入.实验结果表明,该方法具有良好的分类性能.     

采用支持向量机回归的航班延误预测研究

针对航班延误难以预测的问题,采用支持向量机回归方法建立航班到港延误预测模型.首先,采用相空间重构理论计算到港延误的延迟时间、嵌入维数和最大 Lyapunov 指数,发现到港延误时间序列存在混沌特性;将航班到港延误时间序列进行相空间重构,并结合执飞该航班的航空器在上游机场的离港延误构建模型的输入向量;其次,将粒子群算法、差分进化算法和遗传算法进行比较,用于选择最优的模型参数,实验表明,差分进化算法能够以较高概率获得最优的预测模型;最后,比较该模型、单一因素预测模型和相关向量机预测模型的航班延误预测性能.结果表明,该模型的预测性能明显优于另外两种模型,能够有效预测航班延误.     

Control Lyapunov Stabilization of Nonlinear Systems with Structural Uncertainty

This paper deals with global stabilization problem for the nonlinear systems with structural uncertainty.Based on control Lyapunov function, a sufficient and necessary condition for the globally and asymptotically stabilizing the equailibrium of the closed system is given. Moreovery, an almost smooth state feedback control law is constructed. The simulation shows the effectiveness of the method.     

支持向量机在道路交通事故预测中的应用

通过对道路交通事故相关指标的分析,选取万车死亡率、十万人口死亡率作为指标集合,建立的基于支持向量机的道路交通事故预测模型,经10年的道路交通事故相关数据的训练和测试,其准确性得到了验证。     

非线性系统的智能容错控制

本文提出一种针对非线性系统问题的智能容错控制方案,该方案基于自适应模糊逻辑系统的学习方法,论述了控制器作为一个扩充的体系,集成了自适应模糊控制器、检测控制器及调节控制器三者的功能。仿真表明,所提出的控制方案能够有效的鉴别和适应非线性未知错误,且被控系统在不确定及产生错误时具有很好的稳定性和鲁棒性。