基于t假设检验及SVM神经网络的卷烟真伪判定 被引量：11

1

作者 魏中华 《烟草科技》 EI CAS CSCD 北大核心 2015年第2期75-78,共4页

为了提高物理指标鉴定卷烟真伪的可靠性,基于t假设检验和SVM神经网络,提出了一种利用卷烟物理指标鉴定卷烟真伪的模式识别模型。以卷烟库中随机选取的某品牌卷烟为例,采用该模型进行了卷烟真伪判定。判定结果显示:通过基于总通风率、滤... 为了提高物理指标鉴定卷烟真伪的可靠性,基于t假设检验和SVM神经网络,提出了一种利用卷烟物理指标鉴定卷烟真伪的模式识别模型。以卷烟库中随机选取的某品牌卷烟为例,采用该模型进行了卷烟真伪判定。判定结果显示:通过基于总通风率、滤嘴通风率及硬度3个物理指标的SVM神经网络分类预测模型,对示例卷烟的44个真假烟样本进行鉴别,正确率约为95%。说明基于t假设检验及SVM神经网络的模式分类方法可以进行卷烟真伪鉴别。 展开更多

关键词 卷烟 真伪鉴别 假设检验 svm神经网络 模式识别

下载PDF 职称材料

基于粒子群优化算法的SVM神经网络在海底底质分类中的应用 被引量：6

2

作者 郭军 马金凤 《测绘与空间地理信息》 2012年第12期66-68,共3页

针对海底质地的特点,利用底质图像的灰度纹理共生矩阵和灰度均值作为特征参数,采用粒子群优化算法训练支持向量机的神经网络(SVM),对海底底质图像进行自动分类。本文以海底侧扫声纳图像为例,通过实测数据验算,取得了理想的效果。

关键词 粒子群优化算法 svm神经网络 共生矩阵 海底底质分类

下载PDF 职称材料

SVM神经网络在葡萄质量评价中的应用 被引量：3

3

作者 刘永财 胡庆婉 +1 位作者 张佳 石文宝 《蚌埠学院学报》 2013年第2期15-17,共3页

随着葡萄酒需求的大量增加,葡萄酒的质量受到了越来越多的关注。一般地,葡萄酒质量采用感官品尝的结果来评定,但是它经常受到多种因素的影响,同时葡萄酒的质量又没有统一的标准,因此葡萄酒的质量评价体系的建立亟待解决,而酿酒葡萄的质... 随着葡萄酒需求的大量增加,葡萄酒的质量受到了越来越多的关注。一般地,葡萄酒质量采用感官品尝的结果来评定,但是它经常受到多种因素的影响,同时葡萄酒的质量又没有统一的标准,因此葡萄酒的质量评价体系的建立亟待解决,而酿酒葡萄的质量直接决定了葡萄酒的质量。就葡萄的理化指标与葡萄质量之间的关系展开了分析,并建立了以酿酒葡萄理化指标的主成分为输入,酿酒葡萄的质量等级为输出的多输入单输出的SVM神经网络专家模型,实现了酿酒葡萄质量的智能分类。结合专家打分的结果可以看出,该模型的分类效果比较理想。 展开更多

关键词 葡萄分级 理化指标 主成分分析 svm神经网络

下载PDF 职称材料

上海市夏季高架道路边颗粒物垂直分布研究 被引量：3

4

作者 何红弟 赵积强 +1 位作者 程丽军 刑小虎 《安全与环境学报》 CAS CSCD 北大核心 2018年第3期1177-1184,共8页

为研究夏季高架路边颗粒物浓度的垂直分布规律,以上海市南北高架交叉处路边垂直区域为研究对象,通过Fluke 985粒子计数器采集颗粒物数量浓度数据。分析了6种直径范围颗粒物（0.3-0.49μm、0.5-0.99μm、1-1.99μm、2-4.99μm、5-9.99μ... 为研究夏季高架路边颗粒物浓度的垂直分布规律,以上海市南北高架交叉处路边垂直区域为研究对象,通过Fluke 985粒子计数器采集颗粒物数量浓度数据。分析了6种直径范围颗粒物（0.3-0.49μm、0.5-0.99μm、1-1.99μm、2-4.99μm、5-9.99μm、≥10μm）在高架路垂直区域的分布规律,并结合微观尺度下的交通、气象、高度等数据建立了逐步回归和SVM神经网络预测模型。结果表明：在高架路边的垂直方向上,随高度增加,6种颗粒物浓度整体呈现下降的趋势;0.3-0.49μm、0.5-0.99μm、1-1.99μm三种颗粒物浓度受高架桥带来的＂盖子效应＂影响,在距离地面约21 m高的7楼达到最大值;总体上早高峰颗粒物浓度大于晚高峰,工作日颗粒物浓度高于非工作日;SVM神经网络模型比线性逐步回归模型能更好地预测高架路边颗粒物的垂直分布规律,可作为上海市夏季非降水天气高架桥面附近颗粒物浓度预测的方法。 展开更多

关键词 环境工程学 城市高架路边 垂直分布 逐步回归 svm神经网络

下载PDF 职称材料

基于灰色关联分析的注塑工艺多目标优化及PSO–SVM预测模型的建立 被引量：15

5

作者 薛茂远 梅益 +2 位作者 唐芳艳 肖展开 罗宁康 《工程塑料应用》 CAS CSCD 北大核心 2021年第3期58-64,共7页

针对某电器活动上盖翘曲变形及体积收缩问题,对相关注塑工艺参数进行正交实验设计,在Moldflow中模拟分析,并对翘曲变形量及体积收缩率进行信噪比优化处理。利用灰色关联分析法得到翘曲变形量和体积收缩率的灰色关联度,通过对灰色关联度... 针对某电器活动上盖翘曲变形及体积收缩问题,对相关注塑工艺参数进行正交实验设计,在Moldflow中模拟分析,并对翘曲变形量及体积收缩率进行信噪比优化处理。利用灰色关联分析法得到翘曲变形量和体积收缩率的灰色关联度,通过对灰色关联度进行极差分析得到各注塑工艺参数对塑件综合目标(翘曲变形量及体积收缩率同时较小)的影响程度为:保压时间>注塑时间>模具温度>熔体温度>保压压力>冷却时间,同时由灰色关联度极差分析结果得出最优工艺参数组合,在最优工艺参数组合下的翘曲变形量相对于正交实验水平下最小翘曲变形量降低了11.8%,体积收缩率相对于正交实验水平下最小体积收缩率降低了5.9%。最后采用粒子群优化算法(PSO)优化后的支持向量机(SVM)神经网络模型对该塑件翘曲变形量及体积收缩率进行预测,通过与不优化的SVM神经网络及BP神经网络预测模型相比发现,PSO–SVM神经网络模型预测精度及稳定性都优于SVM及BP神经网络,可以用于塑件翘曲变形量和体积收缩率的协同优化,解决塑件实际翘曲变形及体积收缩问题。 展开更多

关键词 正交实验设计 信噪比 灰色关联分析 极差分析 BP神经网络 PSO–svm神经网络

下载PDF 职称材料

中央空调制冷系统节能诊断模型分析

6

作者 李斌 李勇 《现代工业经济和信息化》 2023年第5期195-196,216,共3页

针对中央空调运营中存在的粗放管理和能源浪费问题,提出了一种基于改进PSO-SVM神经网络的建筑节能诊断模型。通过聚类算法从收集的能耗历史数据中选取节能特性较好的运行数据作为模型建立的数据基础。利用Adaboost算法对PSO-SVM神经网... 针对中央空调运营中存在的粗放管理和能源浪费问题,提出了一种基于改进PSO-SVM神经网络的建筑节能诊断模型。通过聚类算法从收集的能耗历史数据中选取节能特性较好的运行数据作为模型建立的数据基础。利用Adaboost算法对PSO-SVM神经网络进行优化,完成模型构建,利用节能数据完成模型的训练。最后,建立异常能耗的判断标准,利用训练好的节能诊断模型对当前时刻的能耗情况进行诊断。通过分析和验证,建立的节能诊断模型的节能率由-1.1%提高到11.9%,并成功诊断出中央空调运行过程中产生的问题时刻。 展开更多

关键词 节能诊断 PSO-svm神经网络 中央空调

下载PDF 职称材料

基于SVM神经网络的高校科研能力评价模型构建 被引量：3

7

作者 徐恺英 常改 邢天亮 《图书情报工作》 CSSCI 北大核心 2011年第22期52-55,共4页

利用SVM神经网络的原理,建立SVM评估模型并在MATLAB中进行仿真,得出的测试结果与某机构的评价分析结果吻合,从而实现对高校科研能力的评估,为评价模型的广泛应用提供新的思路和方法。

关键词 svm神经网络 高校科研能力 评价模型

原文传递

基于GRU-SVM神经网络的大数据入侵检测方法研究 被引量：2

8

作者 何瑞江 《微型电脑应用》 2022年第2期127-129,共3页

根据RNN神经网络与LSTM神经网络运行特征,优化LSTM得到变体GRU神经网络,并建立了GRU-SVM算法,并跟传统Softmax分类器进行了对比。通过实验测试发现GRU-SVM的dropout率为0.88,GRU-Softmax的dropout比例为0.81。GRU-SVM获得了比GRU-Softma... 根据RNN神经网络与LSTM神经网络运行特征,优化LSTM得到变体GRU神经网络,并建立了GRU-SVM算法,并跟传统Softmax分类器进行了对比。通过实验测试发现GRU-SVM的dropout率为0.88,GRU-Softmax的dropout比例为0.81。GRU-SVM获得了比GRU-Softmax更短的训练时间,说明GRU-SVM具备更高训练效率。检测不同攻击类型的过程中,GRU-SVM算法表现出了比GRU-Softmax算法更高的精度,更低的误报率,从而降低入侵事件概率。本算法弥补了传统机器学习算法在处理数据量上的局限性,为应对大数据的问题起到一定的理论支撑作用。 展开更多

关键词 GRU-svm神经网络算法 大数据入侵 检测方法 攻击误报率

下载PDF 职称材料

基于POS-SVM的高速锪窝钻装置的磨损量预测 被引量：1

9

作者 李国其 梅益 +2 位作者 秦剑 曹洋 宁雪梅 《组合机床与自动化加工技术》 北大核心 2022年第8期117-120,共4页

针对接触表面磨损导致配合间隙变大,引起部件之间速度波动、机械振动,影响生产质量的问题,对高速锪窝钻装置齿形限位螺母圈和端面套筒间接触表面的磨损进行了研究。首先,依据Archard理论,结合有限元仿真技术,选取齿形限位螺母圈和端面... 针对接触表面磨损导致配合间隙变大,引起部件之间速度波动、机械振动,影响生产质量的问题,对高速锪窝钻装置齿形限位螺母圈和端面套筒间接触表面的磨损进行了研究。首先,依据Archard理论,结合有限元仿真技术,选取齿形限位螺母圈和端面套筒之间的配合间隙、相对滑动距离、表面摩擦系数、接触载荷为因素,磨损量为目标做了四因素五水平正交实验;其次,对正交实验结果作了极差分析,发现配合间隙和相对滑动距离对磨损量的影响最大;最后,利用PSO(粒子群优化算法)优化后的SVM(支持向量机)神经网络模型对齿形限位螺母圈和端面套筒间接触表面的磨损量进行预测,经过与BP神经网络、SVM神经网络预测的结果对比,发现PSO-SVM神经网络预测系统预测精度及稳定性较高,可用于摩擦副磨损量的预测。 展开更多

关键词 Archard磨损模型 锪窝钻 PSO-svm神经网络 磨损量预测

下载PDF 职称材料

基于形态学小波理论和SVM神经网络的人脸识别 被引量：2

10

作者 李伟 彭玉峰 《河南师范大学学报（自然科学版）》 CAS CSCD 北大核心 2012年第5期61-64,共4页

主要研究了快速识别人脸的基本算法,它包括人脸检测和人脸识别两部分.人脸检测部分利用肤色电平的聚类特性和形态学处理检测出准人脸图像,再利用小波特征提取出特征进行人脸认证.人脸识别部分采用支持向量机(SVM)神经网络进行人脸识别.... 主要研究了快速识别人脸的基本算法,它包括人脸检测和人脸识别两部分.人脸检测部分利用肤色电平的聚类特性和形态学处理检测出准人脸图像,再利用小波特征提取出特征进行人脸认证.人脸识别部分采用支持向量机(SVM)神经网络进行人脸识别.支持向量机神经网络对二类判别具有很强的识别能力.对于N类判别需连续使用N次.该方法识别速度快,且不受发型、头饰、眼镜等的影响.仿真证明了该方法的有效性. 展开更多

关键词 形态学理论 小波变换 支持向量机神经网络 人脸识别

下载PDF 职称材料

基于SVM-BP神经网络组合模型的高速公路出口流量预测

11

作者 余聪 代洪娜 +2 位作者 徐晓亮 孙曌阳 刘兴国 《交通节能与环保》 2023年第3期102-107,共6页

为了给高速公路交通流精准预测提供更准确的方法,本文利用济南西高速公路出口早晚高峰流量数据,采用SVM-BP神经网络组合模型进行短时交通流预测,并对单一的SVM(支持向量机)模型、BP神经网络模型和组合模型的预测精度进行比较和实证分析... 为了给高速公路交通流精准预测提供更准确的方法,本文利用济南西高速公路出口早晚高峰流量数据,采用SVM-BP神经网络组合模型进行短时交通流预测,并对单一的SVM(支持向量机)模型、BP神经网络模型和组合模型的预测精度进行比较和实证分析。当样本数量小于或等于120时,结果表明:①误差对比:当样本数量大于22时,由于预测集与训练集数据分布本身存在差异且SVM模型训练完成后过于复杂导致三种模型的误差逐渐变大。②预测精度:组合模型>BP神经网络>SVM,组合模型的平均绝对误差(MAE)提高了6.85%,远高于其他单一模型,验证了组合模型的有效性。 展开更多

关键词 道路工程 交通流预测 svm-BP神经网络组合模型 出口流量 高速公路

下载PDF 职称材料

L2-SVM下的短文本情感分类动态CNN模型 被引量：3

12

作者 鲁新新 柴岩 《计算机应用与软件》 北大核心 2018年第1期298-303,共6页

为了解决情感分类文本稀疏、传统方法过分依赖情感词典和人工设定特征工程等问题,提出一种基于L2-SVM和动态卷积神经网络的LDCNN模型。该模型采用不同于经典CNN模型的L2-SVM目标函数,解决了参数优化过程梯度弥散现象。通过真实网络评论... 为了解决情感分类文本稀疏、传统方法过分依赖情感词典和人工设定特征工程等问题,提出一种基于L2-SVM和动态卷积神经网络的LDCNN模型。该模型采用不同于经典CNN模型的L2-SVM目标函数,解决了参数优化过程梯度弥散现象。通过真实网络评论数据集与经典方法的定量对比,实现了LDCNN模型准确率的大幅提升,并通过调整惩罚系数获得了最佳模型性能。 展开更多

关键词 短文本 情感分类 文本稀疏 L2-svm 动态卷积神经网络

下载PDF 职称材料

基于关联规则的语音情感中韵律特征抽取算法研究 被引量：1

13

作者 徐照松 元昌安 +2 位作者 覃晓 元建 李双 《计算机应用与软件》 CSCD 2015年第9期42-45,77,共5页

近年来,情感计算一直是学术界研究的热点问题。语音情感识别作为情感计算的重要研究且涉及到人工智能、模式识别、机器学习等多个领域。针对语音情感识别中特征挖掘的复杂性,利用关联规则挖掘算法对语音特征中的韵律特征与所包含情感之... 近年来,情感计算一直是学术界研究的热点问题。语音情感识别作为情感计算的重要研究且涉及到人工智能、模式识别、机器学习等多个领域。针对语音情感识别中特征挖掘的复杂性,利用关联规则挖掘算法对语音特征中的韵律特征与所包含情感之间的关联关系进行研究。主要进行如下工作:(1)针对语音情感的特点,给出了情感频繁项集的概念;(2)提出基于关联规则的语音情感中韵律特征抽取算法(PFEA_AR);(3)在汉语情感数据集上进行相关实验,取得了85%的识别率,比fisher准则判别法的精度提高了10%。实验结果表明,通过关联规则算法所抽取的特征在降低维度的同时还能够有效提高情感分类精度,从而验证了新算法所抽取特征的有效性。 展开更多

关键词 语音情感 关联规则 特征抽取svm BP神经网络

下载PDF 职称材料