支持向量機理論知識補充，所用函數詳細介紹
上傳時間： 2021-02-16
上傳用戶：
基于支持向量機的壓力傳感器校正模型
標簽： 壓力傳感器
上傳時間： 2022-01-18
上傳用戶：
隨著杜會和經濟的發展，環境水污染現象也日趨嚴重，迫切需要環境水質多參數監測與智能分析系統，以為環境監測、管理和控制提供科學的手段。水質多組分檢測涉及到多傳感器數據融合、計算機技術、電化學分析和人工智能等多學科的交叉，在眾多領域有著廣泛的應用。本論文研究環境水質檢測與智能分析系統，論文的主要工作包括1）基于最小二乘支持向量機的在線自適應加權數據融合算法多傳感器數據融合由于能夠利用互補和冗余的信息，顯著提高系統的可靠性而得到了廣泛應用，而數據融合的關鍵問題是融合算法。本文深入研究了多傳感器數據融合理論的基礎上，針對傳統融合算法研究存在的問題，提出了一種基于最小二乘支持向量機的在線自適應加權數據融合算法，并應用到水質在線檢測過程中，不僅縮短了訓練的時間，而且提高了融合的可靠性和靈活性2）提出了一種離子傳感器的基于最小二乘支持向量機的自校正方法：由于離子傳感器的非線性、漂移和交叉敏感性等影響了其檢測精度和可靠性，難以進行連續在線檢測。以硝酸根離子傳感器為例，研究其自校正方法，以適應動態環境的連續監測根據實驗數據，詳細分析了硝酸根離子傳感器的響應特性，并考慮了零點和時間漂移，提出了一種基于最小二乘支持向量機硝酸根離子傳感器的自校正方法，給出了詳細描述和分析。3）離子傳感器故障檢測的小波支持向量機特征提取和支持向量機分類方法在線連續檢測的應用要求離子傳感器必須具有很高的可靠性，即能夠及時準確地判斷出離子傳感器的故障。本文采用小波支持向量機提取各傳感器故障特征，再用支持向量機對故障進行分類，實現對各離子傳感器的故障診斷。
標簽： 數據融合
上傳時間： 2022-03-18
上傳用戶：
SVM用于模式識別 整理別人的代碼（原來的是英文）所得： kernel.m用于內積矩陣的計算 svcplot.m用于繪圖 svm168.m是主程序 testlin.m是采用線形內積函數的支持向量機應用的 文件 testrbf.m是采用RBF內積函數的支持向量機應用 的 文件 每個文件中都有說明。 仿真平臺matlab7.0, 仿真全部通過 將所有文件拷貝到work目錄下（注意不要直接將上層文件夾直接拷貝到work目錄下，若那樣操作，必須在matlab的file菜單中的set path中設置相應的路徑）。 打開matlab，在命令窗口中輸入 testlin或testrbf 即可查看結果。
標簽： svcplot testlin kernel SVM
上傳時間： 2015-05-27
上傳用戶：風之驕子
< 支持向兩機導論>>，是譯文，希望對用到支持向量機的有所幫助。
上傳時間： 2013-12-17
上傳用戶：gaojiao1999
電機是現代生產中的重要電氣設備，電機的故障會對生產造成重大影響，因此需要監測電機的運行狀態。同時，不斷提高的環保標準要求控制電機的噪聲。測試和分析電機的振動為電機的故障診斷和電機的噪聲控制提供了途徑，因此有必要建立一個電機振動測試分析系統。 過去20多年來，虛擬儀器技術取得了長足發展，在工程測試等領域得到了廣泛的應用。相比于傳統儀器，虛擬儀器技術具有性能高，擴展性強等諸多優勢。LabVIEW是虛擬儀器軟件開發平臺中最常用的一個。 本文在虛擬儀器的基礎上開發了電機振動測試分析系統，主要內容包括以下幾個方面： 1．電機振動測試分析平臺的建立，以LabVIEW為軟件開發平臺，配合數據采集卡，加速度傳感器等硬件設備建立了電機振動信號采集與處理的虛擬儀器系統，完成振動信號的采集、顯示、處理、數據管理等一系列功能； 2．電機振動信號處理方法的研究，深入分析了傅里葉變換、時頻分析、小波分析等在電機振動信號處理中的優缺點，著重研究了獨立分量分析等新技術在電機內部振動信號處理上的應用，針對電機振動的特性，給出了各種信號處理方法的參數優化： 3．電機故障診斷的研究，針對電機故障特征量的提取和選擇提出了作者自己的見解，建立了基于振動的最小二乘支持向量機電機故障診斷，實例證明了支持向量機在電機故障診斷上的有效性； 4．針對電機故障診斷中故障樣本不易獲得的特點，提出了基于支持向量數據描述的多層分類器，是一種較有應用價值的新方法。
上傳時間： 2013-06-24
上傳用戶：黃華強
隨著電機在工業、農業等領域的廣泛應用，如何測試、分析和抑制電機振動和噪聲，越來越受到人們的廣泛關注。虛擬儀器技術，相比于傳統儀器擁有性能高、擴展性強等優點，在工程測試等領域得到越來越廣泛的應用。因此，結合虛擬儀器技術，建立電機噪聲和振動的測試分析系統是一種可行的解決途徑。 本文將虛擬儀器技術應用于電機的噪聲和振動問題，建立了基于虛擬儀器的電機噪聲振動測試分析系統。全文主要研究工作分為三部分：前兩部分分別研究了系統的硬件和軟件組成，建立了完整的硬件和軟件系統；第三部分進行了噪聲振動實驗研究，驗證了系統的正確性和有效性。本文的主要研究內容如下： 1．硬件部分。探討了系統的硬件組成，建立了以傳感器、信號調理電路和數據采集卡為核心的測試系統。系統硬件部分是正確采集電機噪聲和振動信號的關鍵，是測試分析的基礎。 2．軟件部分。用LabVIEw虛擬儀器編程語言完成了軟件部分的設計，實現了信號采集、顯示、處理、診斷、打印報告等一系列功能。針對電機噪聲振動的復雜性，建立了以快速傅里葉變換、功率譜函數分析、分數倍頻譜分析、小波分析等信號處理方法為核心的信號分析處理功能，并用最小二乘支持向量機實現了電機故障診斷功能。 3．實驗研究。實驗驗證了系統的信號采集、信號分析和故障診斷的正確性。構造三類電機故障，實驗研究了采用最小二乘支持向量機進行故障診斷的有效性。 在總結全文的基礎上，提出了該電機噪聲和振動測試分析系統有待深入研究的若干問題。
上傳時間： 2013-07-22
上傳用戶：hainan_256
開發與利用新能源是我國21世紀的重要能源戰略。風能是一種“取之不盡，用之不竭”、環境友好的可持續性能源，已受到了越來越廣泛的重視，并成為發展最快的新型能源。但是風電具有間歇性和隨機性的固有缺點，隨著大量的風力發電接入電網，勢必會對電力系統的安全、穩定運行以及保證電能質量帶來嚴峻挑戰，從而限制風力發電的發展規模。風電場短期風速和發電功率預測是解決該問題的有效途徑之一。中國的風電場大都是集中的、大容量的風電場，而且處于電網建設相對比較薄弱的地區，因此，中國更需要進行風電場短期風速和發電功率預測的研究，而發電功率的預測主要源自風速的預測。在此背景下，選擇風電場短期風速預測方法作為主要研究內容，主要包括以下幾個方面： 首先運用統計學方法來分析風速的時間序列特性及其預測方法和應用特點，說明現實中的風速序列具有很強的非平穩性。然后運用具有“數字顯微鏡”之美譽的小波變換來分析歷史紀錄的風速數據，通過運用二進正交小波變換Mallat算法對香港和河西走廊地區風速序列進行分解和重構，分離出風速序列中的低頻信息和高頻信息。對Mallat算法分解后的信號，運用最小二乘支持向量機分別進行向前一步預測，然后再把各預測結果合成，得到預測值。建立了基于小波變換和最小二乘支持向量機的短期風速預測方法。應用Matlab對該算法進行了仿真，仿真試驗表明，小波變換是非平穩風速序列時頻分析的有效工具，對風速序列的高頻和低頻信息起到很好的分離作用；最小二乘支持向量機的應用提高了預測的準確性。應用香港地區與河西走廊地區小時平均風速歷史數據，驗證了方法的有效性。
上傳時間： 2013-04-24
上傳用戶：xg262122
心音信號是人體最重要的生理信號之一，包含心臟各個部分如心房、心室、大血管、心血管及各個瓣膜功能狀態的大量生理病理信息。心音信號分析與識別是了解心臟和血管狀態的一種不可缺少的手段。本文針對目前該研究領域中存在的分析方法問題和分類識別技術難點展開了深入的研究，內容涉及心音構成的分析、心音信號特征向量的提取、正常心音信號（NM）和房顫（AF）、主動脈回流（AR）、主動脈狹窄（AS）、二尖瓣回流（MR）4種心臟雜音信號的分類識別。本文的工作內容包括以下5個方面： a）心音信號采集與預處理。本文采用自行研制的帶有錄音機功能的聽診器實現對心音信號的采集。通過對心音信號噪聲分析，選用小波降噪作為心音信號的濾波方法。根據實驗分析，選擇Donoho閾值函數結合多級閾值的方法作為心音信號預處理方案。 b）心音信號時頻分析方法。文中采用5種時頻分析方法分別對心音信號進行了時頻譜特性分析，結果表明：不同的時頻分析方法與待分析心音信號的特性有密切關系，即需要在小的交叉項干擾與高的時頻分辨率之間作綜合的考慮。鑒于此，本文提出了一種自適應錐形核時頻（ATF）分析方法，通過實驗驗證該分布能較好地反映心音信號的時頻結構，其性能優于一般錐形核分布（CKD）以及Choi-Williams分布（CWD）、譜圖（SPEC）等固定核時頻分析方法，從而選擇自應錐形核時頻分析方法進行心音信號分析。 c）心音信號特征向量提取。根據對3M Littmann（） Stethoscopes[31]數據庫中標準心音信號的時頻分析結果，提取8組特征數據，通過Fihser降維處理方法提取出了實現分類可視化，且最易于分類的心音信號的2維特征向量，作為心音信號分類的特征向量。 d）心音信號分類方法。根據心音信號特征向量組成的散點圖，研究了支持向量機核函數、多分類支持向量機的選取方法，同時，基于分類的目的 性和可信性，本文提出以分類精度最大為判斷準則的核函數參數與松弛變量的優化方法，建立了心音信號分類的支持向量機模型，選取標準數據庫中NM、AF、AR、AS、MR每類心音信號的80組2維特征向量中每類60組數據作為支持向量機的學習樣本，對余下的每類20組數據進行測試，得到每類的分類精度（Ar）均為100％，同時對臨床上采集的與上述4種同類心臟雜音信號和正常心音信號中每類24個心動周期進行分類實測，分類精度分別為：NM、AF、MR的分類精度均為100％，而AR、AS均為95．83％，驗證了該方法的分類有效性。 e）心音信號分析與識別的軟件系統。本文以MATLAB語言的可視化功能實現了心音信號分析與識別的軟件運行平臺構建，可完成對心音信號的讀取、預處理，繪制時-頻、能量特性的三維圖及兩維等高線圖；同時，利用MATLAB與EXCEL的動態鏈接，實現對心音信號分析數據的存儲以及統計功能；最后，通過對心音信號2維特征向量的分析，實現心音信號的自動識別功能。 本文的研究特色主要體現在心音信號特征向量提取的方法以及多分類支持向量機模型的建立兩方面。 綜上所述，本文從理論與實踐兩方面對心音信號進行了深入的研究，主要是采用自適應錐形核時頻分析方法提取心音信號特征向量，根據心音信號特征向量組成的散點圖，建立心音信號分類的支持向量機模型，并對正常心音信號和4種心臟雜音信號進行了分類研究，取得了較為滿意的分類結果，但由于用于分類的心臟雜音信號種類及數據量尚不足，因此，今后的工作重點是采集更多種類的心臟雜音信號，進一步提高心音信號分類精度，使本文研究成果能最終應用于臨床心臟量化聽診。 關鍵詞：心音信號，小波降噪，非平穩信號，心臟雜音，信號處理，時頻分析，自適應，支持向量機
上傳時間： 2013-04-24
上傳用戶：weixiao99
船舶自動操舵儀又稱自動舵，用來保持船舶在給定航向或航跡上航行，是船舶操縱的關鍵設備。船舶自動舵尚沒有專用的故障診斷系統，當前的維修方法不能滿足快速保障和應急保障的需要。本文結合某型自動舵微機通道故障診斷科研項目，重點論述某型自動舵數字控制系統的故障診斷設計與實現，研究了基于模糊推理的船舶自動舵故障診斷專家系統和基于支持向量機的船舶自動舵模擬電路故障診斷方法。 對某型自動舵充分調研，在了解系統軟、硬件的總體技術要求和指標的基礎上，建立檢測對象的數學模型和物理模型。確定故障檢測的對象特點，為系統故障仿真、參數辨識做好準備，并為后續的故障檢測、診斷方法研究提供了參考。 結合某型自動舵數字控制系統實際情況，確定其故障診斷系統采用分層遞階結構。系統底層為基于嵌入式微處理器的信號檢測單元，負責獲取微機通道的總線控制權以及信號預處理；系統中間層為通訊子系統，負責對底層多個檢測單元信息集中傳送；系統頂層為故障診斷和顯示子系統，負責對微機通道的信息進行綜合評價，得出最終診斷結論。 船舶自動舵系統結構繁雜，很多故障很難用精確的公式將它表示出來，提出了基于模糊推理的船舶自動舵故障診斷專家系統，提高了自動舵故障診斷準確性。該系統將模糊數學、模糊診斷原理及專家經驗相結合，采用模糊產生式知識表示法，確定模糊關系矩陣及語義距離，設計相關硬件平臺，實現了船舶自動舵故障診斷模糊專家系統的各個功能模塊。 為解決船舶自動舵模擬電路故障診斷復雜多樣難于辨識的問題，提出了基于支持向量機的故障診斷方法。該方法通過電路仿真分析，給出了各故障模式下電壓頻率響應，提取具有代表性的故障特征，建立了以支持向量機為基礎的模擬電路故障診斷模型。實驗結果證明，該方法可有效診斷模擬電路中的元件故障，且對于元件容差引起的故障診斷模型的不確定性具有較強的魯棒性，滿足非線性電路的故障診斷要求。
上傳時間： 2013-04-24
上傳用戶：evil
