摘要：由于原有人-机决策模型的运作模式容易忽视班组之间的契合关系,班组成员的工作无法协同会导致安全事故频发,因此基于svm模型设计班组协同关系的决策模型。根据灰数信息理论分析班组契合度,基于svm模型预处理关联数据,同时构建决策模型实现关系协同,从而完成组班协同关系决策模型方法设计。在某矿区生产中设置3个班组,以全年协同合作为测试标准进行安全考核,实验结果表明该模型能够将违规事故控制在3次以下,有效保证矿区的生产,具有较好的实际应用效果。

摘要：基于svm下的创新识别模式为视角,立足于河南企业科技创新能力评价的实际需求,构建河南科技创新能力评价模型。svm在解决小样本、非线形及高维模式识别问题具有独特优势,主要从知识创造能力、知识获取能力、企业创新能力、创新环境、创新绩效等识别指标,建立科学的评价指标体系,对河南企业的科技创新能力进行客观而准确的测度和评价。实证研究表明:支持向量机在河南科技创新能力识别中的效果良好,表现出svm对有限样本的良好泛化能力,足见svm方法的科学性、合理性和前瞻性。

摘要：在建筑能耗预测模型训练中,选定的特征在某些环境下很难保证预测结果的实效性和准确性.如何科学合理地选择适合建筑本身属性的特征子集用于模型学习,在机器学习研究领域中一直备受研究者的青睐.基于解决使用不同的特征集会改变模型的精度性能和学习速度等问题,本文提出一种“探索式”方法用于特征子集选择,并针对它是如何影响模型的性能进行一系列的实验和系统分析,探索一种足够简单且实用,同时又可以在实践中容易获取和准确记录的特征集.基于选取出的3个数据集,利用径向基函数核和多项式函数核对模型进行训练,通过特征选择前后模型性能的数据比较分析发现所采用的方法对模型的预测精度具有一定的提升作用.

摘要：在复合地层盾构法隧道施工中,如何提高盾构机推进速度一直是盾构机设计、施工人员研究的重点。以长沙轨道交通1号线五一广场到营盘路隧道工程为研究背景,现场采集盾构机掘进参数,应用svm,建立了"五营"区间复合地层盾构机推进速度的预测数学模型,并对模型进行检测,检测结果表明该预测模型对推进速度预测的平均相对误差≤7%,验证了该模型对推进速度预测的有效性。

摘要：该文主要探究云加端svm模型在机电设备故障诊断中的应用。该文首先介绍云加端svm模型的整体架构,并从原始数据获取、特征数据提取与降维处理及故障诊断算法等方面,概述该诊断技术的应用流程。随后将该文设计的基于并行流水线结构的云加端svm模型与传统顺序结构云加端svm模型进行准确度和实时性对比实验。结果表明,该文设计的云加端svm模型经过在线学习后,故障诊断准确率提升到96.50%,单位时间内故障诊断效率是传统模型的4倍,可满足故障实时诊断的需要。

摘要：针对现有英语题库题目依赖专业英语老师人工解析,缺乏智能化平台的问题,提出一种基于svm的英语题库题目智能分类。首先将系统分为用户层、业务层、服务层、数据层、基础层,并重点设计英语题库题目分类功能。其中,构建svm分类器,实现英语题库题目的分类。通过测试验证本系统算法的有效性和运行的可行性。结果表明,svm分类器可实现英语题库题目的准确分类,分类准确率达到74%,优于传统分类算法KNN、Random Forest、Logistic Regression,且通过系统运行,实现了英语题库题目的分类需求,达到设计目的。

摘要：为提升电力电缆运行状态智能监测效果,改变由于存在信号盲区,会因波形畸变导致出现监测误差较大的问题。本文对基于粒子群算法的电力电缆运行状态智能监测技术进行研究。在建立电力电缆结构参数模型后,使用无迹卡尔曼滤波预处理运行状态信号。再分析电缆屏蔽层扰动信号特征,使用小波分析提取高频信号特征。最后利用粒子群算法改进svm模型的分类参数,实现对电缆运行状态监测。实验结果显示,本文设计的基于粒子群算法的技术监测相对误差低于10%,监测告警时间短,对电缆运行状态变化灵敏度高,具有一定应用价值。

摘要：为实现舞蹈动作自动识别,基于动作捕捉传感器设计了一种舞蹈动作自动识别系统。系统通过采用动作捕捉传感器捕捉舞蹈动作,并利用超宽带定位技术对人体位移进行定位,然后采用遗传算法改进的svm模型对舞蹈动作进行自动识别,并通过Unity3D工具进行三维动画展示,实现了舞蹈动作的实时采集、自动识别以及动画展示。测试结果表明,整个系统功能完善,且具有较高的舞蹈自动识别准确率,可实现对俯、仰、冲等不同舞蹈动作的自动识别。相较于标准svm识别模型和KNN算法,本系统采用的遗传算法改进的svm模型具有更高的识别准确率,在舞蹈动作识别方面可达到87%以上的识别准确率,具有明显的有效性和优越性。

摘要：提出了多元频域变换与几何校正机制的彩色图像水印算法。对重力模型进行改进,实现水印信息的加密,利用四元变换处理处理载体图像的最大中心区域,获取其相位与幅度信息;设计水印嵌入机制,将水印信息植入到四元变换的幅度中,借助逆变换,输出水印图像;引入四元小波变换处理水印图像的训练样本,获取其四元小波变换系数训练支持向量机,完成水印图像实现准确的几何校正;利用四元变换,建立水印提取机制,复原水印图像。测试数据表明：与当前图像水印方案相比,所提算法能够准确校正几何失真图像,具备更高的鲁棒性与抗盲检测能力。

摘要：以交会图为代表的传统岩性识别图版无法适用于致密砂岩地层,其主要原因是大部分地层岩性的测井响应特征相似度高,难以基于图版分析被有效识别。LightGBM较传统模式识别模型能更高效地解决问题,为此采用该模型识别致密砂岩地层岩性。由于LightGBM在建模时利用了较多的超参数,导致预测结果难以保证为最优,所以采用GS算法进行优化,进而提出GS-LightGBM。实验目的层为姬塬油田西部长4+5段致密砂岩地层。提出模型的预测能力通过设计两个实验来验证。为突出验证效果,实验中加入svm和XGBoost作为对比模型。实验结果显示,GS-XGBoost和GS-LightGBM的准确率、F 1-score和AUC指标相接近,都最高,但GS-LightGBM的计算时间只有GS-XGBoost的约1/23。实验结果表明,GS-LightGBM模型可在不失精度的情况下,能快速给出预测结果,具备了在致密砂岩地层岩性识别研究上的应用价值和推广性。