简介：摘要：在旋转机械中，滚动轴承是一种被广泛采用的元件。在实际使用过程中，由于轴承本身结构及工况条件等原因，会产生不同程度的磨损、变形、裂纹以及其它缺陷，进而导致其使用寿命缩短，严重时可能引发安全事故，造成巨大经济损失。设备的整体性能和生产线的安全生产都直接受到其正常运行状态的影响。目前国内外对滚动轴承故障的诊断方法有很多，但上述方式均有着各自的弊端。所以,研究滚动支座的状态检测与故障诊断技术,对防止交通事故的产生和改造检测系统,有着很大的理论意义与现实意义。本章试图研究滚动支座在事故鉴定领域的运用,研究其有关情况。

简介：电子邮件已经成为当今人们最重要的通信方式之一。但随之而来的电子邮件骚扰、诈骗等现象日益严重,对邮件作者的识别有助于营造绿色、安全的电子邮件通信环境。文章首先提出向量空间模型针对电子邮件作者的写作风格提取特征向量,然后运用支持向量机算法构造作者风格分类器,从而构造出作者身份识别模型。最后,实验结果显示识别准确率达到95%以上,该方法在识别中文电子邮件作者身份上具有较高的可靠性。

简介：为了解决当前工业仪表示数在采图环境恶劣和样本数据量大的情况下所导致的算法识别不准确的问题,分别从特征学习与机器学习识别的角度出发,提出了基于特征学习与支持向量机的工业仪表状态识别算法。首先,提取仪表图像区域字符的几何特征和颜色特征,对这些提取出的特征进行归一化处理,设计出特征提取分析算子,达到精准提取有用特征数据的目的。然后,基于支持向量机,计算出分类器的最优平面和约束条件,从而建立仪表识别算子,进一步精确识别仪表示数。最后,基于软件开发环境QT实现算法,并系统集成。实验测试结果显示：与当前仪表识别技术相比,此算法拥有更高的准确性与稳定性,能够准确地根据仪表数字识别出电压,从而确定仪表工作状态是否正常。

简介：摘要针对电站直接空冷凝汽器自身结构特点，归纳出包括风机停转、凝汽器结冰、热风回流等11种运行中可能出现的故障，在确定各种故障对应的征兆参数后，进一步改进了直接空冷凝汽器故障征兆集。在此基础上利用支持向量机对空冷凝汽器进行故障诊断。该算法利用支持向量机处理小样本分类问题具有误差小、推广性强、不存在局部最小值的特点，解决了神经网络在处理小样本问题上误差大，容易陷入极小点的问题。利用该算法对某空冷凝汽器故障进行诊断，结果表明该算法均能准确判断故障类型。

简介：通过对风机传动系统中齿轮故障进行模拟试验,构建结构风险最优的支持向量机（SVM）网络,对采集到的电磁速度信号进行快速傅里叶分解,选取高频段的频谱特性作为分量进行样本化学习,完成对齿轮故障样本的训练,使SVM具备分类功能.最后,采用SVM对齿轮箱试验台齿轮故障进行诊断分类识别,取得较好的效果,说明齿轮故障信号高频特性所包含故障信息在整个频谱中的有效性以及SVM作为一种故障诊断方法的实用性.

简介：摘要：为了 防止因过度开采造成的地质灾害和水资源短缺等问题出现。 本 文在分析了经典 PSO 算法 和 SVM 理论知识的基础上，建立了 W-PSO优化的 SVM 时间序列预测模型。

简介：针对合作制造企业间关系的特点，界定了企业关系价值的基本内涵。通过对企业关系价值度量维度划分，建立了企业关系价值的度量指标体系。在此基础上，采用模糊支持向量机方法建立了企业关系价值分级度量模型，并对其进行了分级度量。实验结果表明，该方法不仅能有效地度量出企业关系价值的级别，而且可以作为企业制定合作战略和决策的依据。

简介：可靠的语音端点检测算法是稳健语音识别系统所必须的。针对现有算法在噪声环境下的稳健性问题，提出了基于单类SVM（supportVecforMachine）的端点检测算法。通过对多特征信息进行在线学习与综合，以及采用双层决策机制，有效提高了语音检测的稳健性。实验表明，算法在多种噪声环境和信噪比条件下有效，明显提高了语音识别系统在噪声环境下的识别率。

简介：支持向量机(SupportVectorMachines简称SVMs)是基于统计学习理论的一种新的模式识别技术，它不仅结构简单，而且技术性能尤其是泛化能力明显提高。介绍支持向量机为理论基础的通信信号调制识别方法，计算机仿真结果证实此方法的可行性。

简介：支持向量机方法基于结构风险最小化原理，克服了常规统计方法的局限性，能够在有限的样本集基础上兼顾模型的通用性和推广性，具有较高的预测精度。本文利用支持向量机方法对地震储层参数进行了预测，并与BP神经网络预测结果进行了对比分析。结果表明，支持向量机方法预测效果好，值得推广使用。

简介：根据支持向量机结构风险最小化原则和量子粒子群快速全局优化的特点,提出了干扰样式识别的QPSO-SVM算法。采用量子粒子群算法优化支持向量机参数,建立了干扰样式特征组分识别的模型,经过仿真试验,表明该算法具有识别率高,计算时间短的优点。

简介：

简介：支持向量机是机器学习领域的研究热点之一,是在统计学习理论基础上发展起来的新的学习算法.传统的分类法用于纹理图像分类效果往往不佳,该文研究了支持向量机的实现方法,并以纹理图像分类为例分析了支持向量机的分类性能.

简介：摘要：在对非线性的地球化学数据进行处理的过程中，分类算法的选择至关重要。神经网络算法具有准确度高、泛化能力强的特点，支持向量机具备可以解决过拟合、避免趋于极小能优势。当两者进行结合用于处理地球化学数据分类问题时，具备了两种算法的优势，分类结果良好。

简介：随着国内用电设备增多，电气火灾的发生率也有所升高，故障电弧检测的研究成为当今热点。本文提出一种Hilbert—Huang变换与支持向量机相结合的方法，其中采用Hilbert-Huang变换对不同负载电流波形进行时域分解，从而提取各模态分量的特征值。然后采用支持向量机的自适应分类方法，通过学习不同负载下Hilbert-Huang变换得到的特征值，自适应地区分正常运行状态与故障电弧运行状态。本文以调光灯、电吹风高档、电吹风低档、电风扇和电水壶等5种类型的常用负载作为研究对象，验证算法的正确性。

简介：摘要支持向量机是一种新的机器学习方法，由于其出色的学习性能，该技术已成为当前国际机器学习界的研究热点。对SVM训练算法的最新研究成果进行了综述，着重说明了各种的算法的思路和优缺点。总结了支持向量机理论及其应用的现状，对支持向量机的未来发展方向进行了展望。

简介：首先提出一种基于交通流量-交通密度的二维空间下的交通状态分类方法,在此基础上,构建对拥堵状态和非拥堵状态识别的支持向量机分类器;其次,设计基于支持向量机的城市快速路交通拥堵识别方法的步骤;最后,以西安市南二环快速路采集的交通参数数据为例,对比验证了在不同支持向量机（SVM）分离器下本文提出的城市快速路交通拥堵识别方法的有效性.研究表明：SVM线性核函数分类器的识别正确率（识别正确率均值为91.65%）高于多项式核函数等其他核函数分类器,说明交通拥堵识别的具有良好的线性可分性;不同核函数分类器的识别正确率均高于90%,说明本文设计城市快速路交通拥堵识别方法具有良好的识别性能.

简介：在统计学习理论框架下产生的支持向量机这一新的通用机器学习方法,能较好地解决小样本、非线性、高维数和局部极小点等实际问题,已成为机器学习界的研究热点之一.文章归纳了支持向量机在电力系统故障诊断、暂稳分类、负荷预测、谐波分析等方面的应用现状,并提出了可能进一步应用的方面.

简介：摘要：本文建立了某型永磁同步电动机在整个工作范围内的热模型。根据输入输出测量原理，设计了实验装置，进行了一系列实验，获得了不同转速和转矩下电机的参数。提出了基于支持向量机算法的参数回归模型，并结合永磁同步电机的运行特性，建立了基于T-S模糊推理系统的参数计算模糊推理模型。

简介：