多分类转导支持向量机

为了完成分类学习,传统的支持向量机基于带标记信息的经验数据归纳出一个通用的决策函数。而转导支持向量机则不同,它考虑包含测试集在内的所有数据信息并致力于最小化测试样本的分类错误数。在已有的2类分类方法的基础上构造了直接求解多类分类问题的的转导支持向量机。     

港口火车装车工艺系统改造方案设计

结合国内某港口火车装车线项目改造方案,考虑现有码头设施现状及改造需求,对装火车过程中不同环节出现的问题,提出针对性改造方案.采用改造装车输送线,增加移动式装车机方式,解决装车皮带机洒料、装车线净空不足、装卸效率偏低等问题,在对现有码头运营影响最小的情况下,可增大码头煤炭装火车能力,实现更快更经济的疏港方式,为类似项目的...     

2008年东风起亚赛拉图无法启动

故障现象一辆2008年的东风起亚赛拉图,行驶里程199852km,车辆无法启动,打开点火开关仪表盘警告灯不亮,按喇叭不响。故障诊断与排除1.维修人员首先检查蓄电池是否有电,发现是新更换的蓄电池,测量电压正常。怀疑点火开关有问题,测量点火开关的X22插头发现没电,顺着电路图所示向前找,在X08处测量X22和X08的线路导通性良好,检查30A熔丝和IG1、 IG2都没问题。     

2018年凯迪拉克XT5仪表提示检修转向柱锁止

一辆2018年生产的上汽通用凯迪拉克XT5,搭载LTG型2.0T发动机,VIN码为LSGNB83L 4JA01^****,行驶里程25065km,因车辆间隙性出现不能启动而进店维修。据车主反映:该车在进行发动机启动操作时,会间歇性出现按压点火开关但启动机不运转的现象。     

基于Adaptive Lasso与RF的航班运行风险预测改进研究

为了解决航班运行风险高维数组运算过于复杂的问题,同时为防止模型过度拟合影响预测精度,基于中国民航局发布的风险评估体系,以某航450组真实航班数据为标准样本,首先使用自适应套索算法（Adaptive Lasso）进行降维,从63项风险自变量中筛选出15项独立变量;然后,使用随机森林算法(Random Forest,RF)进行防过拟合处理,结果显示当使用重要度排序前12项变量拟合时,结果误差达到最小值,即得到最终预测指标;最后,构建Adaptive Lasso和RF的二阶段混合模型,同时选取主成分分析(Principal Component Analysis,PCA)、径向基函数(Radial Basis Function,RBF)网络、支持向量机(Support Vector Machine,SVM)3种对比方法,使用十折交叉验证精度.结果表明：Adaptive Lasso方法在筛选掉48项指标后,结果精度未见下降;经RF处理后4种方法评估精度均大于未处理前;Adaptive Lasso-RF混合模型的预测准确率和稳定性均优于PCA、RBF神经网络和SVM等方法.综上说明混合模型实现了有效降维和防过拟合,可大幅提升预测精度,用于解决航班风险预测问题可行并有效.     

支持向量机增量学习算法研究

给出了使用多支持向量机进行增量学习的算法．传统的支持向量机不具有增量学习性能，而常用的增量学习方法各具有不同的优缺点，基于固定划分和过间隔技术，提出了使用多支持向量机进行增量学习的算法；使用此算法，针对标准数据集BUPA及用NDC生成的数据集OUTTRAIN进行了实验，结果表明，使用单一的支持向量机进行增量学习，不论采用过间隔还是固定划分技术，其增量学习的正确率不及使用多支持向量机增量学习算法的正确率。     

基于支持向量机的发动机气路故障预诊断

为实现航空发动机气路故障在线预诊断,分析了地空数据链系统中发动机气路参数报文的协议格式,建立了基于支持向量机算法的发动机气路参数在线预测模型。以便携式地空数据链收发系统为硬件基础,构建发动机报文并行处理系统,获取建模所需的训练样本。利用最终误差预报准则确定样本数据嵌入维数,实现时序样本数据的相空间重构。提出自适应网格搜索法优化支持向量机建模参数,获得气路参数在线预测模型,与航路飞机建立地空数据链通信,预测气路参数趋势。预测结果表明:参数低压转子转速、高压转子转速、尾气温度与燃油流量的相对预测误差分别为2.5%、2.1%、1.9%与2.3%,因此,支持向量机模型具有较高预测精度。     

支持向量机对交通流量的预测模型

针对目前交通量预测中所广泛采用的基于经验风险最小化的BP网络易于陷入局部最优解等缺点,介绍了一种新的预测方法——基于结构风险最小化的SVMR交通量预测模型,经实践证明能够较好地解决道路交通量预测问题。