基于NIR-SVM对鸭梨褐变病果的识别

本文针对水果内部品质评定分类存在主观性强和一致性差的特点,提出了一种新的鸭梨褐变识别分类方法,该方法是利用近红外光谱仪获取正常鸭梨和褐变鸭梨近红外光谱并对其进行分析的基础上,应用支持向量机(SVM)算法的识别原理建立正常鸭梨和褐变鸭梨的分类识别模型。在多项式核函数下对试验样品的识别准确率为95%。研究结果表明NIR-SVM用于对于鸭梨褐变病果的无损检测识别是可行的。     

基于LS-SVM的养殖水体氨氮含量分析模型的优化

水体氨氮浓度是水产养殖的关键水质指标,为了提高氨氮浓度的测量精度,减少测量过程中p H、温度、静置时间等因素对准确度的影响,使用最小二乘支持向量机(LS-SVM)算法建立了分析预测模型,通过正交试验仿真测试,获取各因素的最佳优化组合为p H值10.5、反应温度35℃、静置时间20 min、检测光源波长380 nm。仿真结果表明,在设计在线式氨氮检测系统时,利用最佳优化组合对氨氮浓度分析模型进行优化,提高了氨氮浓度的测量精度。     

基于LS-SVM的养殖水体氨氮含量分析模型的优化

水体氨氮浓度是水产养殖的关键水质指标,为了提高氨氮浓度的测量精度,减少测量过程中p H、温度、静置时间等因素对准确度的影响,使用最小二乘支持向量机(LS-SVM)算法建立了分析预测模型,通过正交试验仿真测试,获取各因素的最佳优化组合为p H值10.5、反应温度35℃、静置时间20 min、检测光源波长380 nm。仿真结果表明,在设计在线式氨氮检测系统时,利用最佳优化组合对氨氮浓度分析模型进行优化,提高了氨氮浓度的测量精度。     

基于LS-SVM的烤烟烟叶产地判别

为了探索一种快速有效的烤烟烟叶产地鉴别方法,利用近红外光谱技术结合最小二乘支持向量机(LS-SVM)对烤烟烟叶的产地进行了判别。选择云南、湖北、河南三地不同等级烤烟烟叶作为研究对象,对原始光谱数据进行平滑和附加散射校正(MSC)预处理后再进行主成分分析,选择4～12个主成分作为输入变量进行LS-SVM建模。结果显示,该LS-SVM模型预测效果较好,预测相关系数rp≥0.990 7,预测标准误差(SEP)和预测均方根误差(RMSEP)分别为1.755 1和1.737 3,优于偏最小二乘回归(PLS)的预测结果,基于LS-SVM的近红外光谱技术能够很好地对烟叶产地进行判别。     

控制存在多个时滞的不确定系统变结构控制

本文研究控制存在多个时滞的不确定系统的变结构控制问题,考虑不确定项及多个时滞的影响,通过变换间接地得到了要研究系统的变结构控制,并且证明了在该控制作用下,系统在有限时间到达滑模面及滑动模态渐近稳定.     

不确定时延网络控制系统的变结构保成本控制

针对一类具有状态时延和通讯时延的不确定网络控制系统,给出了系统镇定的新方法.基于Lyapunov稳定性理论,利用线性矩阵不等式方法,设计能补偿系统时延的滑模面,然后设计使系统渐近稳定的保成本变结构控制器,最后用仿真算例说明了该变结构控制器设计方法的实用性和有效性.     

农业灌溉用水量的LS-SVM预测模型研究

农业灌溉用水量预报是灌区制定水资源调度计划、合理高效分配水量的科学依据。针对灌溉用水量影响因素复杂非线性的特点,鉴于支持向量机算法的诸多优势,建立了基于最小二乘支持向量机的灌溉用水量预测模型,将该模型用于塔河流域T灌区灌溉用水量预测,并与人工神经网络方法预报结果比较,表明该方法具有泛化能力强、误差小等特点。     

基于离散余弦变换和支持向量机的掌纹识别

提出一种利用离散余弦变换提取掌纹的特征,通过支持向量机进行掌纹分类识别的方法.在利用离散余弦变换进行特征提取时,将变换系数矩阵左上角的部分元素作为掌纹图像的特征;在利用支持向量机进行掌纹分类识别时,采用"一对多"的分类方案.实验结果表明该方法的有效性.     

时滞中立型系统的变结构控制

本文讨论了时滞中立型系统的变结构控制,利用趋近率得到了相应的控制,借助线性矩阵不等式给出了滑模渐近稳定的充分条件。     

模糊-变结构控制在汽车发动机转速控制中的应用

变结构控制具有良好的鲁棒性，但是在实际应用中往往会引发抖振．本文采用模糊一滑模变结构的控制方法，解决滑模变结构控制在汽车发动机转速控制中出现的转速抖振现象．首先，在变结构控制变量的基础上引入模糊控制分量；其次对模糊控制分量进行了设计、计算；最后利用MATLAB软件进行了计算机仿真．仿真结果表明发动机转速抖振幅度只有原来的10％，控制变量的切换频率只有原来的15％左右．     

基于支持向量机的温室环境智能控制模型

提出一种温室环境智能控制模型。该模型从模式识别的角度解决温室环境最优控制问题。具体算法是根据作物生长模型、当前外界环境条件等,创建温室环境控制目标;对控制目标与温室内外环境条件的差值等特征参数模糊化;通过支持向量机的多分类方法进行分类决策,选择适宜的温室环境调控措施,达到对温室环境最优控制的目的。将采用该模型的温室环境控制系统应用于安徽蚌埠地区的Venlo温室。结果表明,该系统具有良好的控制效果。     

基于最小二乘支持向量机的灌区粮食产量预测研究

对常用作物产量预测模型进行了简要评述,建立了基于最小二乘支持向量机的灌区产量预测模型。对灌区作物产量进行模拟计算,并用检验样本与灰色预测和神经网络模型的预测结果进行了比较。结果表明,最小二乘支持向量机预测的最大误差7．12％,平均误差4．81％。最小二乘支持向量机模型有较高的预测精度和良好的推广能力,可做为灌区粮食产量预测的一种新方法。     

基于最小二乘支持向量机的土壤含水量检测的研究与分析

介绍了运用数字图像处理技术和基于最小二乘支持向量机的土壤含水量检测方法,经理论分析和土壤含水量检测试验,证明该方法有效、可行、操作简便、实时性好。     

基于双编码遗传算法的支持向量机作物病害图像识别方法

为了实现作物病害的计算机识别,采用基于双编码遗传特征选择的支持向量机和病害图像多特征参数识别病害的方法,对病害图像增强处理,彩色病斑分割,特征参数提取,构建双编码遗传算法优化特征子集,并赋予权重的一对一投票策略支持向量机来分类识别作物病害进行研究.结果表明:在同等条件下,该方法与没有采用遗传算法的支持向量机相比,特征向量减少了38％,正确率提高了6.29％.     

基于最小二乘支持向量机的农村土地利用空间优化配置方法

由于农村各类用地数据具有样本小、非线性等特点,导致土地利用空间配置结果的适宜性较差,提出基于最小二乘支持向量机的农村土地利用空间优化配置方法。基于最小二乘支持向量机预测农村土地利用空间格局,得到各类用地面积数据,对各类用地进行满足经济效益与生态效益最大化的多目标函数的优化配置。实例结果表明,农村土地利用空间优化配置结果中各类用地类型高度适宜区域的面积在总面积中占比均超过75%,证实了设计方法的合理性。     

一种基于支持向量机的图像检索方法

提出了一种基于支持向量机(Support Vector Machine,SVM)的个性图像检索方法,首先融合符合用户需求的图像的物理特征构造SVM分类器,然后把获得的图像信息提交给分类器进行识别,最后把检索结果返回给用户.实验结果表明,用SVM作为学习机器可以实现对图像的检索分类.     

基于免疫算法和支持向量机的人脸识别

提出了一种基于免疫支持向量机人脸识别方法。针对支持向量机学习是一种有导师的学习,引入了否定算法,把人脸特征否定的结果来供支持向量机学习。该算法大大降低了运算复杂度,试验结果表明,该算法与其它方法相比具有较高的识别率。     

基于支持向量机的科技图书市场预测

对灰色、神经网络和支持向量机的三个预测模型进行研究，以某某类科技图书1993-2000年的年发行量为例，对科技图书市场进行预测，经过比较，支持向量机的预测方法精度较高。本方法可推广应用于其他类图书市场的预测。     

基于Lasso和支持向量机的组合预测及其应用

针对Lasso方法与支持向量机两者的联系与各自的优势，给出了基于Lasso与支持向量机的串联型、并联型和嵌入型三种组合预测，并将它们运用到我国粮食价格预测中.实证结果表明，与单一预测方法的预测结果相比，基于Lasso方法与支持向量机的串联型组合预测和嵌入型组合预测具有更高的预测精度.