改進(jìn)的支持向量機(jī)算法及其在入侵檢測中的應(yīng)用

**資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.***

通過對支持向量機(jī)核函數(shù)的分析發(fā)現(xiàn),當(dāng)對樣本的各個特征賦予不同大小的尺度參數(shù)時,可以避免冗余特征干擾分類,增強(qiáng)關(guān)鍵特征在分類中的作用,提高支持向量機(jī)分類器的學(xué)習(xí)和泛化能力。在此基礎(chǔ)上,提出一種具有不同特征尺度參數(shù)的支持向量機(jī)(簡稱多尺度支持向量機(jī)),并通過遺傳算法最小化loo(leave-one-out)泛化錯誤上限估計,根據(jù)各個特征的識別能力賦予其不同大小的尺度參數(shù)。將多尺度支持向量機(jī)用于軸承故障診斷,實驗結(jié)果表明,與傳統(tǒng)的單尺度參數(shù)支持向量機(jī)相比,多尺度支持向量機(jī)具有更好的泛化能力。對壓縮機(jī)氣閥的故障識別表明,尺度參數(shù)的大小直接反映了對應(yīng)特征識別能力的大小,因此可以依據(jù)尺度參數(shù)的大小進(jìn)行特征選擇,保留關(guān)鍵特征,剔除冗余特征。

采用小波分析的方法對地鐵原始監(jiān)測數(shù)據(jù)進(jìn)行去噪處理,將得到的平穩(wěn)可靠的監(jiān)測數(shù)據(jù)用于建立支持向量機(jī)訓(xùn)練集,進(jìn)行沉降預(yù)測.實際沉降數(shù)據(jù)處理和預(yù)測結(jié)果顯示,小波分析方法能夠準(zhǔn)確提取監(jiān)測數(shù)據(jù)中的沉降趨勢性信息,w-svm組合算法能夠顯著提高沉降預(yù)測的精度.

支持向量機(jī)及其在巖土工程中的應(yīng)用——在智能巖石力學(xué)的研究方法中，專家系統(tǒng)方法是基于專家和經(jīng)驗判斷進(jìn)行問題求解的非數(shù)值分析方法，因為領(lǐng)域知識獲取的困難，限制了其發(fā)展；而神經(jīng)網(wǎng)絡(luò)方法是基于大樣本的一種方法，其推廣能力較差．為了克服專家系統(tǒng)知識獲取...

在智能巖石力學(xué)的研究方法中,專家系統(tǒng)方法是基于專家和經(jīng)驗判斷進(jìn)行問題求解的非數(shù)值分析方法,因為領(lǐng)域知識獲取的困難,限制了其發(fā)展;而神經(jīng)網(wǎng)絡(luò)方法是基于大樣本的一種方法,其推廣能力較差.為了克服專家系統(tǒng)知識獲取的“瓶頸”問題和人工神經(jīng)網(wǎng)絡(luò)的推廣能力差的問題,基于統(tǒng)計學(xué)習(xí)理論的支持向量機(jī)方法為巖土工程的智能化研究提供了新的途徑.主要介紹了支持向量機(jī)方法及其在巖土工程領(lǐng)域的應(yīng)用現(xiàn)狀,并指出其理論存在的問題和未來的發(fā)展方向.

利用粒子群算法對入侵檢測神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化。仿真結(jié)果表明,與bp神經(jīng)網(wǎng)絡(luò)和ga神經(jīng)網(wǎng)絡(luò)相比較,具有較強(qiáng)的逼近和容錯能力、較快的收斂速度和較好的檢測效果。

論述了數(shù)據(jù)挖據(jù)和遺傳算法在入侵檢測中的應(yīng)用,詳細(xì)描述了模糊關(guān)聯(lián)規(guī)則和模糊頻繁序列挖掘,并進(jìn)一步介紹了如何采用遺傳算法優(yōu)化模糊集合隸屬函數(shù),從而達(dá)到改善入侵檢測系統(tǒng)性能的目的。

支持向量機(jī)最初只能用以解決二分類問題,對于多類故障,只能通過組合二分類器間接應(yīng)用于多類分類問題。本文提出一種基于二叉樹多分類算法對變壓器中常見故障進(jìn)行了模式識別,并與傳統(tǒng)多分類算法作對比。根據(jù)svm理論結(jié)合二叉樹方法建立變壓器故障診斷模型,通過vs2008對其進(jìn)行了驗證,結(jié)果表明該方法能有效地、準(zhǔn)確地識別故障模式,具有較高的推廣性。

利用遺傳算法對傳統(tǒng)的支持向量機(jī)進(jìn)行改進(jìn),提出ga-svm房地產(chǎn)估價模型,并運(yùn)用到房地產(chǎn)估價的預(yù)測中,通過與支持向量機(jī)模型、bp神經(jīng)網(wǎng)絡(luò)模型和市場比較法的對比研究發(fā)現(xiàn),該方法估價預(yù)測精度要明顯高于bp神經(jīng)網(wǎng)絡(luò)模型和市場分析法,略高于支持向量機(jī)模型,所以ga-svm房地產(chǎn)估價模型更具有推廣性,更適合于有限樣本的房地產(chǎn)價格估價。

提出一種基于遺傳算法和支持向量機(jī)的故障診斷方法,利用遺傳算法對故障特征集和支持向量機(jī)的參數(shù)同時進(jìn)行優(yōu)化,然后把優(yōu)化選擇的故障特征輸入支持向量機(jī)進(jìn)行故障識別。既剔除了故障特征的冗余性、減少了計算量,又解決了支持向量機(jī)的參數(shù)難以選擇等問題。診斷實例表明,該方法能利用較少的故障特征得到較高的診斷精度。

針對最小二乘支持向量機(jī)在利用產(chǎn)生于工業(yè)現(xiàn)場的非理想數(shù)據(jù)集進(jìn)行建模預(yù)測時,稀疏化模型魯棒性差的問題,提出了一種基于模糊c均值聚類和密度加權(quán)的稀疏化方法.首先通過模糊c均值聚類將訓(xùn)練樣本劃分為若干個子類;然后計算每個子類中各樣本的可能貢獻(xiàn)度,依次從每個子類中選取具有最大可能貢獻(xiàn)度的樣本作為支持向量;最后更新每個樣本的可能貢獻(xiàn)度,繼續(xù)從各個子集中增選支持向量,直至稀疏化后的模型性能滿足要求.仿真結(jié)果和磨機(jī)負(fù)荷實際應(yīng)用表明,該方法能夠兼顧模型在整體樣本集和各工況子集上的性能,在實現(xiàn)模型稀疏化的同時,能夠顯著改善最小二乘支持向量機(jī)模型的魯棒性.

支持向量機(jī)在地基沉降預(yù)測中的應(yīng)用——嘗試把最近發(fā)展起來的支持向量機(jī)(svm)引入地基沉降的預(yù)測中．支持向量機(jī)是基于統(tǒng)計學(xué)習(xí)理論框架下的一種新的通用機(jī)器學(xué)習(xí)方法．本文提出了基于支持向量機(jī)的地基沉降預(yù)測方法，并在matlab中編制了相應(yīng)的支持向量機(jī)程序，建...

介紹了支持向量機(jī)回歸算法,運(yùn)用matlab編寫了相應(yīng)程序,并對兩個地下工程實例進(jìn)行了預(yù)測.通過與灰色預(yù)測和人工神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果的對比,可以看出支持向量機(jī)方法不論是在學(xué)習(xí)過程還是預(yù)測過程,都具有更高的優(yōu)越性,可以應(yīng)用于實際工程.

針對電梯的幾種常見故障,論文采用了最小二乘支持向量機(jī)(ls-svm)診斷的方法。采集電梯幾種故障狀態(tài)下的振動信號,用最優(yōu)小波包的理論分析計算故障振動信號的能量分布,將其能量分布與時域指標(biāo)相結(jié)合,以構(gòu)造故障特征向量,作為ls-svm的輸入來識別電梯的故障原因,并采用遺傳算法優(yōu)化ls-svm的相關(guān)參數(shù)。通過對電梯六種常見故障的診斷結(jié)果表明,基于遺傳算法優(yōu)化的最小二乘支持向量機(jī)用于電梯故障診斷是一種有效的方法。

公路客運(yùn)量數(shù)據(jù)受多種因素影響而呈現(xiàn)非線性等特點(diǎn),為了提高其預(yù)測精度,文中提出粒子群算法(pso)優(yōu)化支持向量機(jī)(svm)的公路客運(yùn)量預(yù)測模型,利用pso尋優(yōu)能力突出的優(yōu)點(diǎn),對支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化選擇,并用優(yōu)化后的支持向量機(jī)模型對公路客運(yùn)量進(jìn)行預(yù)測。研究結(jié)果顯示,相比bp神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)的svm預(yù)測方法,基于pso-svm的預(yù)測精度更高。

為解決bp神經(jīng)網(wǎng)絡(luò)應(yīng)用于入侵檢測時檢測率較低、訓(xùn)練時間過長的問題,對改進(jìn)差分進(jìn)化算法(samde)優(yōu)化bp神經(jīng)網(wǎng)絡(luò)并用于入侵檢測的可行性進(jìn)行研究。該算法引入模擬退火算法(sa)和一種融合de/rand/1與de/best/1的變異算子對差分進(jìn)化算法進(jìn)行改進(jìn)以提高其全局尋優(yōu)能力。用改進(jìn)后的算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)權(quán)值閾值。通過逐次的迭代訓(xùn)練使bp神經(jīng)網(wǎng)絡(luò)收斂,將優(yōu)化過的bp神經(jīng)網(wǎng)絡(luò)用于入侵檢測。仿真實驗結(jié)果顯示,優(yōu)化的bp網(wǎng)絡(luò)在收斂速度和精度方面有明顯提升,用于入侵檢測時提高了檢測準(zhǔn)確率,縮短了訓(xùn)練時間。

針對最小二乘支持向量機(jī)在電力負(fù)荷預(yù)測應(yīng)用中的參數(shù)優(yōu)化問題,將改進(jìn)粒子群算法引入到最小二乘支持向量機(jī)參數(shù)中,建立一種新型的電力負(fù)荷預(yù)測模型(ipso-lssvm)。首先將最小二乘支持向量機(jī)參數(shù)編碼為粒子初始位置向量;然后通過粒子個體之間的信息交流、協(xié)作找到最小二乘支持向量機(jī)的最優(yōu)參數(shù),并針對標(biāo)準(zhǔn)粒子群算法的不足進(jìn)行相應(yīng)改進(jìn);最后將其應(yīng)用于電力負(fù)荷建模與預(yù)測,并通過仿真對比實驗測試其性能。實驗結(jié)果表明,ipso-lssvm可以獲得較高準(zhǔn)確度的電力負(fù)荷預(yù)測結(jié)果,大幅度減少了訓(xùn)練時間,滿足電力負(fù)荷在線預(yù)測要求。

支持向量機(jī)在公路軟基沉降預(yù)測中的應(yīng)用——針對公路軟土地基沉降發(fā)生的過程多變量、強(qiáng)耦合、強(qiáng)干擾、大滯后的復(fù)雜特性，提出利用支持向量機(jī)(supportvectormachine，svm)對公路軟基進(jìn)行沉降預(yù)測建模，使用加栽過程中的沉降觀測數(shù)據(jù)作為訓(xùn)練樣本集，建立可依據(jù)...

研究利用土壤樣本實驗反射光譜,分析了土壤鎂(mg)含量與土壤反射光譜的關(guān)系,比較了主成分回歸分析(pcr)、偏最小二乘回歸分析(plsr)和支持向量機(jī)回歸分析(svmr)等方法,以及土壤反射光譜及其變換光譜與土壤m(xù)g含量之間的估算模型,為土壤m(xù)g含量高光譜估算提供依據(jù)。結(jié)果表明:pcr、plsr、svmr3種建模方法在mg含量的估算中,svmr的估算精度相對較高,估算精度平均達(dá)到80.96%,分別比pcr和plsr提高了6.16%、4.20%;對于不同的數(shù)學(xué)變換處理方法,一階微分變換相對較好,估算精度平均為80.76%,分別比反射率、倒數(shù)對數(shù)變換提高了4.95%、4.61%。因此,運(yùn)用土壤反射光譜一階微分變換的svmr進(jìn)行建模,可以相對較好地估算全mg含量,精度達(dá)84.04%。

基于支持向量機(jī)方法的深基坑變形預(yù)測——提出了深基坑變形預(yù)測的一種新方法，即支持向量機(jī)方法．該方法根據(jù)有限的學(xué)習(xí)樣本，建立了各種影響因素和深基坑變形之問的一種非線性映射．基于已有的深基坑變形資料，采用支持向量機(jī)模型，對深基坑現(xiàn)場實例進(jìn)行了預(yù)測，...

研究電路的故障問題,應(yīng)提高快速性和準(zhǔn)確性。為提高仿真電路故障診斷效率,給出了一種基于改進(jìn)支持向量機(jī)的仿真電路故障診斷方法。首先通過小波包變換實現(xiàn)了信號的能量特征提取,根據(jù)主元分析完成了特征壓縮;其次針對支持向量機(jī)多分類一對一方法存在的不可分類區(qū),將其與最近鄰分類法相結(jié)合,實現(xiàn)了電路的故障診斷,并提出了一種混合遺傳算法實現(xiàn)了小波函數(shù)和支持向量機(jī)參數(shù)的同步選擇;最后通過一仿真電路的仿真實驗,與bp,rbf和pnn等神經(jīng)網(wǎng)絡(luò)對比,結(jié)果顯示基于支持向量機(jī)的方法診斷精度最高,達(dá)到98%,為設(shè)計提供參考依據(jù)。

結(jié)合支持向量機(jī)模型和小波框架理論,建立了沉降預(yù)測模型,并對杭州市某小區(qū)的危舊建筑物進(jìn)行了沉降預(yù)測,結(jié)果表明該模型預(yù)測精度較高,可以較好地預(yù)測建筑物沉降的發(fā)展趨向,適用于建筑沉降預(yù)警工作。