摘要：室内火灾报警系统只能基于少量传感器的数据进行判断,容易受到烟雾、温度等干扰,导致误判率较高。为此,基于ZigBee技术和支持向量机设计一种室内火灾自动报警系统。采用传感器节点采集室内烟雾浓度与温度信息,通过ZigBee路由设备将采集的信息转发至ZigBee协调器内。利用基于负载均衡的ZigBee网络多径路由算法建立信息传输路径,将ZigBee路由设备转发的信息传输至支持向量机处理模块内。使用支持向量机算法处理烟雾浓度与温度信息,获取高校室内火灾类型的发生概率,并与事先设置的判别阈值进行比较,当火灾发生概率大于阈值,自动报警模块会自动发出警报。实验结果表明:所设计系统火灾信息采集精度较高,无线网络生存周期长,具备较优的信息传输效果,且能够有效计算高校室内火灾类型发生概率并自动发出警报。

摘要：基酒组分具有复杂多样性,为提高其等级分类预测模型的精度和泛化能力,在基酒气相色谱-质谱数据基础上设计评价模型,提出一种结合遗传算法(genetic algorithm,GA)和引导聚集算法(Bootstrap aggregating,Bagging)优化支持向量机(support vector machine,SVM)分类器的方法,以解决单一SVM分类器在分类精度和泛化能力的不足。研究使用Spearman相关性筛选了36种关键物质,选择核主成分分析法提取了12个核主成分,并使累计贡献率达到96.06%,将其作为模型输入。选择性能最优的径向基核函数支持向量机,使用对数据多样性适应较强的并行计算Bagging集成算法,构建Bagging-SVM分类器进行基酒等级分类,最后,通过GA优化Bagging-SVM分类器的参数(C、γ、N),构建GA-Bagging-SVM模型。结果显示,GA-Bagging-SVM模型的准确率、精确度、召回率、F1-Score分别为96.77%、96.90%、96.77%、96.78%,优于Bagging-SVM和SVM模型,相比单一SVM模型提升了6.45%、5.61%、6.45%、6.42%,比Bagging-SVM模型提升了3.22%、2.29%、3.22%和3.15%。该方法可作为白酒基酒品质评估模型的优化方法。

摘要：常规的校园通信网络安全态势感知方法主要使用ridge_regression函数提取态势感知特征矩阵目标变量,受参数影响导致预测态势风险值的偏差较高,因此提出了一种基于支持向量机的校园通信网络安全态势感知方法。即构建校园通信网络安全态势感知模型,利用支持向量机设计感知算法,从而实现了校园通信网络安全态势感知。实验结果表明,设计的安全态势感知方法在各检查项目中均能有效进行态势感知,且预测态势风险值拟合度高,证明设计的感知方法的感知效果较好,具有可靠性,有助于降低校园通信网络传输的风险。

摘要：为了实现对用户窃电行为的精准识别,文章设计了一种基于金枪鱼群优化(tuna swarm optimization,TSO)算法优化支持向量机(support vector machine,SVM)的用户窃电行为识别方法。采用TSO算法对SVM的罚系数和核系数进行寻优搜索,以提升SVM的性能,在此基础上构建了TSO-SVM模型。利用TSO-SVM模型对用户窃电行为进行识别,并将识别结果与其他模型进行对比。对比分析结果表明,TSO-SVM模型识别结果的平均准确率高达99.25%,相比其他模型具有更高的精度和更好的稳定性,验证了基于优化SVM的用户窃电行为识别方法的有效性。

摘要：为提高支持向量机分类精度,提出一种基于遗传程序设计的进化多核算法.算法中每个个体表示一个多核函数,并采用树形结构进行编码,增强了多核函数的非线性;初始种群由生长法产生,经过遗传操作后得到适合具体问题的进化多核函数.遗传程序设计的全局搜索性能使得算法设计不需要先验知识.与单核函数及其他多核函数的对比实验结果表明,进化多核有效提高了支持向量机分类性能.

摘要：常规的模糊推理系统大多由专家经验建立模糊规则,自学习能力不强.提出了一种支持向量机-模糊推理系统,由支持向量机实现模糊推理系统的自学习,并设计了一种支持向量机-模糊推理自学习控制器.文章给出了自学习控制器的结构和学习算法,对比研究了变尺度梯度优化和混沌优化两种学习算法.针对非线性对象的仿真实验验证了该控制器的优良性能,控制效果比模糊逻辑控制器更好.

摘要：本文中提出基于支持向量机的汽车自动变速器故障识别方法。首先利用设计的虚拟测试系统采集自动变速器3种状态下的运行数据,再对数据进行整理和筛选,提取合适的数据作为训练样本,然后设计基于支持向量机的多值分类器进行故障识别,最后与基于BP人工神经网络的诊断方法进行对比。结果表明,基于支持向量机的故障识别方法具有更快的收敛速度和更强的分类能力,适用于汽车自动变速器实时故障识别和诊断。

摘要：为了获得高精度和高时空分辨力的太阳辐射空间分布资料,利用贵州2018-03-01—2020-04-307个地面辐射站逐日太阳辐射资料,建立了基于支持向量机(support vector machine,SVM)方法的FY-4A反演总辐射值的订正模型。结果表明:订正前FY-4A反演总辐射与地面太阳辐射观测值差异较大,FY-4A反演辐射值总体偏高,两者的相关性显著;通过SVM回归订正模型对FY-4A地面太阳辐射进行订正后,两者的相关系数提高了0.047,平均绝对误差下降了50.00%,平均误差改善了87.49%,均方根误差下降了63.03%;订正后的离散程度减小,相关性明显增强。研究结果旨在让FY-4A地面太阳辐射资料更好地应用于农业区划、光伏发电和建筑设计等行业。

摘要：针对永磁同步电机传统滑模控制的调速性能受到电机系统状态变量变化的影响,提出了一种采用支持向量机智能预测永磁同步电机可变参数非奇异快速终端滑模控制策略。首先设计了一种快速收敛的新型可变参数非奇异快速终端滑模面,该滑模面实现了全局快速收敛且消除了奇异现象并且滑模参数随系统状态改变,实现了不同系统状态下,永磁同步电机可以始终保持优异的调速性能;然后,引入支持向量机智能算法对滑模面状态变量参数建模,实现滑模面状态变量参数根据电机系统状态在线调整;最后,采用角速度与q轴定子参考电流二阶模型来设计永磁同步电机可变参数非奇异快速终端滑模速度控制器以减小模型误差。数值仿真结果表明:采用支持向量机建立的滑模面状态变量参数预测模型能够根据电机系统参数变化预测得到滑模面状态变量参数最优值;所提出的可变参数非奇异快速终端滑模控制策略与非奇异快速终端滑模控制策略相比,控制性能不受电机参数变化的影响,具有收敛速度快、鲁棒性好、转速超调小、控制精度高等优点。

摘要：支持向量机(SVM)和模糊推理系统(FIS)分别源于统计学习理论(SLT)和认知学两个不同的领域.在一定约束条件下,提出并证明了SVM和一类基于规则的FIS的函数等效性定理.在此基础上,提出基于SVM学习过程的FIS(MBFIS)的设计方法.MBFIS继承了SVM良好的泛化能力和对'维数灾难'的避免能力,也继承了基于规则的FIS的显式推理能力.Benchmark数据实验表明,MBFIS具有良好的分类性能.