摘要：人工神经网络(Artificial Neural Network,ANN)设计圆极化微带天线(Circularly-polarized Microstrip Antenna,CPMSA)时需要进行大量数据样本的准备,网络结构一般都比较复杂.为了解决这个问题,利用支持向量机(Support Vector Machine,SVM)在解决小样本数据处理问题时具有拟合精度高、泛化能力强、结构简单等优点,结合二进制粒子群(Binary Particle Swarm Optimization,BiPSO)算法选择出合适的SVM个体参与集成,形成一种基于BiPSO算法的选择性SVM集成(SVM Ensemble,SVME)方法,并将该方法用于单馈切角方形CPMSA的综合设计.仿真结果表明:这种SVME方法提高了算法的鲁棒性和有效性,有更好的预测精度,通过与ANN、SVM以及现有文献的预测结果对比可以看出,由该模型得出的结果优于此问题的已有结论.

摘要：为进一步提高模拟电路故障诊断准确率,提出一种特征和模型参数双重扰动的集成支持向量机新算法.首先在集合覆盖思想下设计基于混沌蚁群算法的属性约简算法将特征样本空间划分成若干子空间,然后针对每个子空间,在"低偏差区域"内进行模型参数扰动,经过两次多数投票法得到最终集成结果.故障诊断实例表明,该方法比多分类支持向量机、Attribute Bagging(AB)算法、Bagging方法等具有更好的故障诊断率.

摘要：研究提出了新的玻璃制品智能检测系统和算法;根据玻璃制品检测的需要,设计了一个机器视觉检测系统,并开发了实验样机;在获取玻璃制品图像后,根据缺陷的特点来分割出可能缺陷区域,然后在可能缺陷区域内提取缺陷特征;提出采用一种多核函数支持向量机集成方法来对特征进行分类;此多核函数支持向量机集成采用遗传算法来协同优化集成中支持向量机的各项参数,使得各支持向量机在拥有较高分类性能的同时保持差异性;而在最后集成各支持向量机时采用了遗传选择集成方法;实验表明采用文中提出的检测算法在实验样机上检测玻璃制品质量,准确率可达97%以上。

摘要：针对模拟电路故障数据存在大量无关或冗余特征的特点,为进一步提高故障诊断准确率,提出支持向量机属性约简集成的模拟电路故障诊断新方法。首先证明一致决策表属性约简与集合覆盖的等价性,将最优属性约简问题转化成最小集合覆盖问题;然后在结合混沌优化产生初始信息素分布和进行混沌扰动的基础上,设计求解最小集合覆盖问题的混沌蚁群算法;最后给出基于属性约简集成的模拟电路故障诊断模型。用双二次滤波电路对算法进行验证,取得97.8%的故障诊断准确率,与其他方法进行比较,结果显示了本文方法的优越性。

摘要：小微企业信用风险评估体系的不完善导致小微企业融资难和贷款违约率高等问题。设计包括企业特质、企业财务指标、企业主特质和贷款方式在内的小微企业信用风险评价指标体系,利用具有小样本学习优势的模糊积分支持向量机回归集成方法,构建小微企业信用风险度评估模型,并将此模型与支持向量机、神经网络等模型对比。实证结果表明该模型具有较高的精度和效率,证实了模型的可行性和优越性,为小微企业信用风险评估系统的构建提供了依据。