申涛[1]2007年在《电力变压器状态评估方法的研究》文中认为电力企业为了提高经济效益和社会效益,要求电气设备的检修体制逐渐由定期维修向状态维修转变。变压器状态评估是电力变压器状态维修的前提和基础工作。变压器油中溶解气体分析技术是发现变压器故障的有效手段,本文从变压器油中溶解气体分析数据出发,选取油中溶解气体中的H_2、CH_4、C_2H_6、C_2H_4、C_2H_2五种气体含量作为评价指标,将变压器状态划分为优秀、良好、一般、注意、故障五种状态,分别建立了基于多级支持向量机分类器和贝叶斯分类器的变压器状态评估模型。文中详细介绍了多级支持向量机分类器和贝叶斯分类器在变压器状态评估中的应用,给出了具体的评估方法和过程,并结合现场实际试验数据进行了实例分析。最后结合实际数据对两种方法进行了分析比较。
唐祖贵[2]2009年在《基于多级支持向量机的网络入侵检测研究》文中提出入侵检测系统(IDS)作为一种新兴的安全技术得到了广泛的应用。提出了一种基于多级支持向量机的网络入侵检测模型。用支持向量机(SVM)精确的二类分类功能,建立多级分类器对网络入侵行为分别检测出拒绝服务攻击、预攻击探测、未授权的尝试访问及其他可疑活动,入侵检测实验的结果表明了该方法不仅检测准确性高,而且有较快的训练与检测速度,同时表明了该方法的有效性。
郭俊文, 李开成[3]2014年在《基于改进S变换和复合特征量的多级支持向量机的电能质量扰动分类》文中研究表明提出一种多级支持向量机对电能质量扰动事件分类的方法,该方法基于改进S变换和多级支持向量机。改进S变换首先通过傅里叶变换提取信号的主要频率成分,然后根据提取的主要频率成分设定相应的调节因子λ,使其在低频段有较高的时间分辨率,在高频段有较高的频率分辨率,从而增强了S变换的特征量提取能力。之后对各类信号的特征参数进行优化处理,产生复合特征量,最后在此基础上将复合特征量设置为支持向量,生成一个多级支持向量机分类器,从而实现多种电能质量扰动信号的识别。采用"二分树"分类的多级支持向量机支持向量较少,且容易实现。仿真测试结果验证了该方法相对于传统的基于S变换和支持向量机分类方法有较强的分辨率和抗噪能力。
张晓峰[4]2018年在《基于聚类和支持向量机的入侵检测方法研究》文中研究表明随着计算机技术与互联网技术的快速发展,使得它对于我们的生活产生了极大的影响。由此,我们对计算机网络的依赖变得愈加强烈,然而有关网络安全的问题一直是全社会关注的焦点。现阶段发展比较成熟的网络安全保护技术主要有:防火墙、安全路由以及数据加密等相关技术,但是这些技术都属于静态的网络安全保护方法,很难满足当前人们对网络安全性能的需求。入侵检测作为网络安全防御的一种新的技术手段,它最大的特点就是具有主动防御的功能,能够对防火墙等传统的网络安全保护技术起到辅助作用,以增强网络系统的安全性,因此入侵检测技术已成为网络安全领域研究的重点。为了能够及时有效的发现入侵行为,有关入侵检测的产品正向智能化、分布式的方向发展。本文针对传统的入侵检测方法存在检测效率低、误报率高,且无法有效判别攻击的类型等问题,将聚类算法和支持向量机算法应用于入侵检测当中,以提高入侵检测系统的检测性能。本文研究的主要内容有:(1)为了提高入侵检测效率并降低误报率,本文将聚类算法应用于入侵检测。首先对聚类算法进行了概述,其次重点介绍了基于划分的K-means聚类算法,针对该算法存在对聚类中心点的敏感问题对算法进行了相应的改进,由此提出了基于改进的K-means入侵检测方法。(2)由于在很多入侵检测方法中仅仅是发现攻击行为,没有对攻击的类型做出有效判别,由此本文将支持向量机算法引入入侵检测当中。首先对支持向量机算法进行了概述,其次主要对二分类支持向量机算法进行了深入分析。由于在现实网络环境中,网络数据存在不均衡性,即正常数据的数量远多于异常数据的数量,由此对二分类支持向量机算法做了相应改进,考虑到存在的四种攻击类型和一种正常数据类,利用改进的二分类支持向量机构建多级支持向量机模型,以判别攻击的类型。同时将改进的K-means与多级支持向量机相结合形成一种新的入侵检测方法。(3)本文利用入侵检测中常规的实验数据集KDD CUP99对提出的入侵检测方法进行仿真实验,实验结果表明,本文提出的入侵检测方法在检测率和误报率方面都有一定的改善,是一种有效的网络安全保护方法。
邢红杰[5]2003年在《多级支持向量机》文中提出支持向量机对二类划分问题已解决得非常好，但其对多类划分问题及回归的能力仍有待进一步研究和改善。本文以实验的方式给出了支持向量回归在函数逼近上的应用并得出了相关的结论；另外本文根据先聚类后分类的思想提出了多级支持向量机的概念、算法，并给出了具体的例子。 在用支持向量回归进行函数逼近时，我们完全可以用两个参数来控制支持向量的个数和逼近的效果。 多级支持向量机的优点主要体现在叁个方面：一方面，对于其他几种多类支持向量机不能处理的不可测区域，它有了明显的改善；另一方面，本文通过实验比较，指出了多级支持向量机测试准确率高的特点；最后，对于一个多类问题，多级支持向量机在构造多级超平面时需要的支持向量明显少于其余叁种多类支持向量机，因此具有更强的泛化能力。
陈吉鑫[6]2018年在《基于MEMS惯性传感器的可穿戴式跌倒检测系统研究》文中研究指明目前,我国人口结构已经进入老龄化阶段,老年人的占比也而来越高。老年人跌倒成为困扰家庭和社会的严重问题,老年人发生跌倒后伤害大,后遗症多,对生理和心理都会造成严重的损害,导致严重的家庭负担。减少老人跌倒的伤害除了预防还需要在跌倒时得到及时的救治。通过科学方法研究老人跌倒的运动学过程并检测及预测跌倒已经成为全球范围内一个热门的课题。针对上述问题,本文提出了一种基于MEMS惯性传感器的可穿戴式跌倒检测系统,在人体发生跌倒前发出预警,并且将跌倒信息发送至监护平台。本文的主要工作如下:(1)说明了老人跌倒伤害的发展趋势,对现有的跌倒检测系统和跌倒检测算法进行研究并分析其优劣势,确定采用九轴加速度传感器作为人体运动学数据的采集核心。(2)对人体行为进行分类,依照行为种类分为正常行为和跌倒行为,依照运动学数据的变化分为普通行为和剧烈行为。建立笛卡尔坐标系,利用四元数结合互补滤波进行姿态解析。(3)设计了系统的软硬件,硬件部分包括微控制器、MEMS惯性传感器、GPS/GPRS模块、蓝牙模块,电源模块和报警模块。同时绘制了电路图和PCB板并制作出实物样品。编写和测试了采集运动学数据、跌倒检测和报警程序。(4)对不同行为的运动学数据进行分析,提取合加速度角、合角速度与合姿态角作为分类特征,提出多级阈值检测法和支持向量机检测法。通过支持向量机确定了合加速度角、合角速度与合姿态角的阈值。设计使用分裂法来优化支持向量机法中的特征向量。(5)对系统进行了测试。对多级阈值检测法和支持向量机检测法进行了实验。多级阈值检测法值灵敏度、特异度、准确度分别为91%、93.33%、92.27%;支持向量机检测法的灵敏度、特异度、准确度分别为99%、96.67%、97.73%。得到结果:支持向量机检测法检测效果要优于多级阈值法。。
杜林, 李欣, 王丽蓉, 司马文霞[7]2012年在《电力系统暂时过电压多级支持向量机分层识别》文中提出提出了一种电力系统暂时过电压多级支持向量机(M-SVM)分层识别的方法。根据暂时过电压分类,建立暂时过电压分层识别系统,并采用"二分树"法构建多级支持向量机分类器。在变电站实测过电压数据的基础上,提取了叁相及零序电压的时域统计特征和小波时频特征,同时对特征量进行逐级选择,将这些特征量作为M-SVM的输入,实现暂时过电压类型辨识。现场数据测试表明,采用的M-SVM分层识别方法具有训练样本少、训练时间短、识别率高的优点,可较好地应用于电力系统暂时过电压类型识别。
高伟, 陈伟凡, 杨耿杰, 陈立纯[8]2018年在《基于奇异值分解和多级支持向量机的配电网故障类型识别》文中研究指明对配电网故障类型的及时准确识别有助于故障定位和事故分析等。提出一种基于奇异值分解(SVD)和多级支持向量机(SVM)的配电网故障类型识别方法。首先通过希尔伯特-黄变换(HHT)带通滤波算法对叁相电压/电流、零序电压等7个故障波形进行等频宽分解,构造时频矩阵。然后将时频矩阵SVD得到的部分有效奇异值作为特征量,输入到多级SVM进行训练和分类识别。利用PSCAD/EMTDC软件搭建10 k V配电网模型用于获取训练样本和测试样本。测试结果表明,该方法对配电网单相接地、两相接地、两相短路、叁相短路等10种故障类型的识别正确率较高,且在噪声干扰、采样不同步、系统网络结构改变、负荷电流变化、系统中性点经消弧线圈接地、系统等值阻抗变化、分布式电源接入等情况下均有较好的适应性。
秦龙辉[9]2016年在《多声道超声波流量计算与流场剖面识别智能算法》文中指出作为一种洁净能源,天然气的开发利用对缓解能源危机、应对气候变化、促进可持续发展具有重要意义。近年来,世界各国都在大力发展天然气产业,天然气占全球一次能源消费总量的比重也在逐步上升。我国是一个能源消耗大国,能源结构的战略性调整,以及"西气东输"、"川气东送"、"海气登陆"等重大工程的实施,加快了天然气管网的建设,推进了天然气产业的发展。然而,作为天然气管网的基础传感部件,高性能流量计的发展却相对滞后。目前,我国的天然气计量领域长期被国外产品垄断,不仅给我国流量计量行业带来巨大冲击,而且严重危及国家能源信息安全。因此,开发具有我国自主知识产权的高精度气体流量计己迫在眉睫。本论文以广泛应用于天然气计量的超声波流量计作为研究对象,针对影响其计量精度的关键因素——流量计算算法进行研究,并通过对不同流场中的剖面进行识别,提高气体超声波流量计在多种复杂工况下的计量精度。在流量计算算法中,传统的超声波流量计大多采用基于高斯正交积分的权重系数法,其中精度最高、使用广泛的为Gauss-Jacobi法和OWICS法。该类算法计算简便、适用范围广,但由于源于理想流场剖面的假设、权重系数固定、只适用于特定声道等原因,造成超声波流量计在复杂流场下计量精度低、安装要求高、且易受流场类型影响的现状。在使用过程中,往往需要加装整流器等流场调制装置,且对前后直管段长度有严格要求。近几年,有学者提出将神经网络等智能算法应用于超声波流量计算,根据不同流场自适应地调节声道的权重系数,取得了较好的效果。因此,智能流量计算被认为是未来多声道超声波流量测量的重要发展趋势。然而,现有神经网络等智能算法应用于超声波流量计时还存在叁大问题:1)精度仍不够高。虽然相比于传统高斯法,神经网络在精度上已经有较大提升,但由于参数较多,且对网络精度影响大,多数情况下网络的泛化能力得不到充分发挥。2)设计过程复杂。智能网络的结构和内部参数需要人为确定,但缺少统一标准,只能依赖设计者经验或反复尝试确定。3)难以应用于未知工况。一种神经网络只能应用于一种训练过的工况,而实际使用中的流场多种多样,大量的训练又面临着应用时无法确定未知工况属于哪种流场的问题。本文针对这叁大问题开展研究工作,分别提出了相应的创新解决方法:1)提出利用遗传算法对神经网络进行优化,确定最优的网络结构和参数,充分发挥网络泛化能力,提高流量计算精度;2)引入近几年新提出的极限学习机(ELM)算法,解析计算出输出层权值等参数,减少训练时间,简化设计过程,解除智能算法在超声波流量计算中应用时的诸多限制;3)提出基于多级支持向量机的流场剖面识别智能算法,间接实现流场可视化的同时,对未知工况进行流场剖面自动识别,方便智能网络的应用。最后,基于由四声道气体超声波流量计搭建的实验平台,对该优化算法、极限学习机和剖面识别算法进行了综合应用与实验验证。结果表明,相比较于传统方法,本论文提出的流量计算与剖面识别算法具有明显优势。论文的主要研究内容如下:1)基于遗传算法优化的高精度流量计算神经网络针对传统神经网络应用于超声波流量计算时存在的诸多问题,利用遗传算法的最优搜索能力,寻找具体流场状况下的最佳神经网络结构和训练方法,并对网络参数进行优化。再利用优化后的神经网络对超声波流量计在具体流场状态下进行训练。训练后的网络将包含各个声道速度与最终流量之间的映射关系,以及被测流体内部的流场信息。应用于超声波流量计时,可取得较高的流量计算精度。同时,可以解决传统神经网络应用时存在的易陷入局部极小值、网络结构难以确定、精度依赖于设计者经验等问题。2)基于极限学习机的神经网络优化算法不同于传统误差反传算法(BP),极限学习机算法(ELM)主要针对单隐含层神经网络,输入层权重与阈值随机产生,而输出层权值通过解析计算得到。将该方法应用于多声道超声波流量计的流量计算,具有多方面优势:第一,解决传统神经网络训练时,由于使用误差反传、反复迭代算法而造成训练过程缓慢的问题。第二,解决传统神经网络和支持向量机的多参数确定问题,简化设计过程。传统神经网络对学习率、训练函数等参数较为敏感,支持向量机核函数及参数的选择,也缺乏统一的准则,只能凭借经验、实验对比、或交互校验等方式确定。极限学习机需要确定的参数只有一个,即隐含层神经元数,因此大大简化了设计过程。第叁,提高流量计算精度。该方法避免了参数配置不当引起的网络精度下降,而且可以降低网络陷入局部极小值的风险。因此,利用极限学习机可以提高神经网络的效率和精度,促进神经网络方法在超声波流量计中的应用。3)超声波流量计流场识别智能算法鉴于目前的神经网络难以应用于未知流场类型,本论文提出了一套基于多级支持向量机的流场剖面智能识别算法,通过测量到的多声道速度,对不同管型、安装位置和角度的流场进行自动识别,获得被测流场信息,间接实现流场可视化。与1)和2)中的两种优化算法相结合,在极大提高流量计算精度的同时,能额外提供流场监测、实时诊断等功能。4)智能算法在超声波流量计量中的实验验证基于气体超声波流量计和音速喷嘴流量标准装置,搭建了气体流量计量的实验平台,对以上叁种算法的效果进行了实验验证。通过几种算法的结合,构成一个同时具有流量计算和流场剖面识别功能的智能超声波流量计算系统。
黄琼英[10]2005年在《支持向量机多类分类算法的研究及应用》文中研究指明支持向量机是由VVapnik等提出的一种学习技术,是借助于最优化方法解决机器学习问题的新工具。支持向量机是机器学习领域若干标准技术的集大成者,它集成了最大间隔超平面、Mercer核、凸二次规划、稀疏解和松弛变量等多项技术,在若干挑战性的应用中,获得了目前为止最好的性能。由于其具有全局最优、结构简单、推广能力强等优点,近几年得到了广泛的研究并广泛应用于模式识别等领域。但是支持向量机方法最初是针对二类别的分类提出的,如何将二类别分类方法扩展到多类别分类是支持向量机研究的重要内容之一。本文仔细研究了支持向量机的理论,并针对分类问题着重讨论了以下几个方面的内容:(1) 支持向量机二类别分类算法的研究,对目前存在的多种支持向量机算法模型进行了深入分析,比较了他们的性能与应用范围。(2) 支持向量机多类分类算法的研究,全面总结了目前存在的基于支持向量机的多类别分类方法,包括“一对多”方法、“一对一”方法、一次性求解方法、决策有向无环图方法、基于二叉树的支持向量机多类分类方法、多级支持向量机方法和其它的几种方法,比较了它们的优缺点及性能:并通过实验对其中的几种常用的方法进行了验证与比较。(3) 支持向量机超球面多类分类算法的研究,首先研究了超球面二类别分类算法,指出了它与超平面分类方法的区别,并讨论了其推广能力的性能,深入讨论了其推广能力一般的原因,即缺少了使分类间隔最大这一重要的条件;然后基于超球面二类别算法构造了一种基于二叉树的超球面多类分类算法,该算法不但具有良好的推广能力,而且决策时间短。
参考文献：
[1]. 电力变压器状态评估方法的研究[D]. 申涛. 华北电力大学（河北）. 2007
[2]. 基于多级支持向量机的网络入侵检测研究[J]. 唐祖贵. 计算机安全. 2009
[3]. 基于改进S变换和复合特征量的多级支持向量机的电能质量扰动分类[J]. 郭俊文, 李开成. 电测与仪表. 2014
[4]. 基于聚类和支持向量机的入侵检测方法研究[D]. 张晓峰. 兰州理工大学. 2018
[5]. 多级支持向量机[D]. 邢红杰. 河北大学. 2003
[6]. 基于MEMS惯性传感器的可穿戴式跌倒检测系统研究[D]. 陈吉鑫. 西南交通大学. 2018
[7]. 电力系统暂时过电压多级支持向量机分层识别[J]. 杜林, 李欣, 王丽蓉, 司马文霞. 电力系统保护与控制. 2012
[8]. 基于奇异值分解和多级支持向量机的配电网故障类型识别[J]. 高伟, 陈伟凡, 杨耿杰, 陈立纯. 电子测量与仪器学报. 2018
[9]. 多声道超声波流量计算与流场剖面识别智能算法[D]. 秦龙辉. 浙江大学. 2016
[10]. 支持向量机多类分类算法的研究及应用[D]. 黄琼英. 河北工业大学. 2005
标签：数学论文; 支持向量机论文; 流量计算论文; 神经网络模型论文; 分类数据论文; 超声波流量计论文; 行为识别论文; 网络行为论文; 流量论文;