高压绝缘子串电压分布及其表面温升的理论研究

高压绝缘子电阻劣化发热和表面污秽发热均与绝缘子串的电压分布有关,研究绝缘子串的电压分布以及与表面温升的关系,无论是对工程设计还是对实际检测都非常重要.利用绝缘子等值电路模型,在理论上讨论了高压绝缘子串的电压分布及其影响因素,以及绝缘子串的电压分布与绝缘子表面温升之间的对应关系,所得的结论对绝缘子故障的红外热像检测诊断具有一定的指导意义.     

基于SVM算法的个人信用评估方法的完善

在众多的模式识别工具中,支持向量机(Support Vector Machine,SVM)是一种非常有效的解决工具。提出了基于SVM模型提升金融机构对个人信用评估效率的方法。通过对某银行的用户信用数据进行的研究,设计具体评估流程,利用SVM的SMO算法处理参数优化来构建模型,特点是分类精度高、误判率低,具有较好的稳健性,以此来控制消费信贷风险具有良好的适用性。处理商业银行划分信贷等级,应用此种模式可以解决信贷申请和政策实现,具有一定的实际意义。     

输电线路绝缘子污秽在线监测系统的设计与实现

在阐述泄漏电流监测原理的基础上,设计了一种输电线路绝缘子污秽在线监测系统。该系统通过数据监测分机,采用自适应噪声对消原理,实时在线检测输电线路绝缘子表面的泄漏电流和环境温、湿度等数据,采用无线通讯技术将数据传输到远程系统主机上,主机通过专家系统分析,得出绝缘子的污秽状况,当污秽过度时及时告警处理,减少了输电线路污闪的几率,提高了供电系统的可靠性。     

一种基于SVM分类的多类识别方法及应用

支持向量机是借助于最优化方法解决机器学习问题的新工具,它主要应用于解决两类分类问题。在两类分类的基础上介绍了一种基于SVM的多类分类算法———一对一分类法,并将其用于中国茶叶的分类。以31个中国茶叶样品为试验材料,随机抽取8个茶叶样品为待测样品,其余的23个茶叶样品组成训练集。利用一对一分类法建立关于训练集的多类分类模型,把待测茶叶样品分为3类,预测结果显示茶叶识别完全正确;而用层次聚类法对预测样品分类,识别正确率只有87.5%。由此表明一对一多类分类方法在农业与生物科学研究领域的多类识别问题上将有很好的应用前景。     

多环芳烃致癌性预测模型比较研究

基于量化参数和拓扑指数,分别采用主成分分析和相关分析进行变量筛选,运用留一交叉检验法,引入模型预测性能的评价体系和指标,比较了支持向量机(SVM)、Fisher判别法和K-最近邻法等方法构建的多环芳烃致癌性二值分类预测模型,结果显示SVM要好于其他方法,说明SVM算法具有较强的稳健性和良好的泛化能力,能够用于多环芳烃致癌性的二分类和预测。     

基于支持向量机的测厚仪CS值电压漂移故障判定及处理

支持向量机(SVM)是在统计学习理论基础上发展起来的一种新的模式识别方法， SVM的基本思想是通过非线性变换将输入空间变换到一个高维空间，然后在这个新的空间中求取最优分类超平面。它在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。本文着重介绍选取SVM及其如何成功诊断处理钢厂轧机X射线测厚仪CS值电压自动漂移等故障的实例，实践理论与应用并重。     

基于图像处理和支持向量机分类的牛肉大理石花纹等级评定

牛肉胴体质量等级评定是牛肉依质论价的基础。其中，大理石花纹是评定牛肉质量等级的主要指标。由于人工评定存在许多缺点，采用机器视觉来判定牛肉胴体质量等级是一种很好的方法。研究了一种基于图像处理和支持向量机（SVM）分类的牛肉大理石花纹等级评定技术。首先应用阈值分割、形态学腐蚀及膨胀的方法来分割牛肉图像中的有效区域（用于大理石花纹等级评定的区域）；然后用矩方法来提取图像特征参数，最后用支持向量机的模式识别技术来构造牛肉大理石花纹等级分类模型。结果表明：该模型对我国国家标准规定的牛肉大理石花纹等级的正确识别率分别达到95.9％（一级）、89.2％（二级）、93．2％（三级）、100％（四级）。研究的牛肉大理石花纹等级的机器视觉检测方法是可行的，这为牛肉等级的在线检测装置设计提供了条件。     

基于SVM二叉树的猪呼吸系统疾病诊断方法的研究（摘要）

[目的]研究1种基于SVM二叉树的猪呼吸系统疾病诊断方法。[方法]首先利用聚类思想,定义了1种基于疾病特征权重的分离程度;每次将分离程度最大的类分离出来,得到了累积误差更小的决策树;并将二叉树SVM用于常见的4种呼吸系统疾病的诊断试验。[结果]该方法可行,可用于猪呼吸系统疾病的早期诊断。[结论]为促进我国猪养殖业的健康发展及农民增收提供了参考。     

基于卷积神经网络和支持向量机算法的马铃薯表面缺陷检测

马铃薯表面缺陷检测是马铃薯分级的重要组成部分。传统的马铃薯表面缺陷检测方法通常涉及到手工特征提取和特征判断,但是马铃薯生长环境复杂,缺陷种类繁多,提取合适的特征是一个难题。为了解决上述问题,本试验提出一种基于改进的卷积神经网络(Convolution Neural Networks,CNN)和支持向量机(Support Vector Machine,SVM)模型的马铃薯表面缺陷检测新方法。该模型通过CNN自动提取马铃薯图片深度特征,利用特征向量训练SVM得到分类器。此外,改进的CNN中采用dropout正则化技术,能有效减小模型过拟合;加入1×1卷积层,加快模型运算时间。试验中,对CNN模型学习率和训练次数等超参数进行了对比选择,基于Adam优化算法通过GPU加速技术进行CNN模型训练;采用网格搜索算法对SVM参数进行优选。试验样本集由实验室机器视觉平台和数据增广方法所得图片组成。试验结果表明,本试验设计的CNN+SVM改进模型能解决现有研究中存在的问题,且性能优于常规CNN模型和传统检测方法,算法运行速度更快,准确率达99.20%。     

基于SVM二叉树的猪呼吸系统疾病诊断方法的研究

[目的]研究一种基于SVM二叉树的猪呼吸系统疾病诊断方法。[方法]首先利用聚类思想,定义了一种基于疾病特征权重的分离程度;每次将分离程度最大的类分离出来,得到了累积误差更小的决策树;并将二叉树SVM用于常见的4种呼吸系统疾病的诊断试验。[结果]该方法可行,可用于猪呼吸系统疾病的早期诊断。[结论]该研究为促进我国猪养殖业的健康发展及农民增收提供了参考。     

LS-SVM在CFG桩复合地基承载力预测中的应用

分析了CFG桩复合地基承载力的主要影响因素,提出了CFG桩复合地基承载力预测的一种新方法,即最小二乘支持向量机方法。根据有限的学习样本,建立了CFG桩复合地基承载力与其影响因素之间的非线性关系。结果表明:最小二乘支持向量机具有优秀的小样本数据学习能力和预测能力,将其用于CFG桩及其它刚性桩复合地基承载力的预测是可行的。     

基于非线性势函数法的手写体数字识别

提出了基于非线性势函数的一种几何分类方法,设计了利用电势理论来改造决策面判别函数和利用非线性势函数对手写数字进行分类的算法。以该算法为核心构造的分类器可改善针对不同人写字习惯的分类效果。用VC 实现了该算法,结果表明该算法能减小分类时的错误率,对手写体数字的识别有较好的效果,识别率能达到97%。     

降低彩色马蹄莲组培初代培养污染因素的筛选

[目的]筛选降低彩色马蹄莲组培初代培养污染率的最佳方法。[方法]以正在萌芽的红色、黄色马蹄莲1年生小球茎为培养材料,选取水浴温度、表面消毒时间、表面消毒剂种类、防腐剂种类4个因素进行正交设计,培养10 d后统计每个组合的污染率、褐变率。[结果]选取的4种因素对污染率均有极显著影响(P<0.01),其中水浴温度、表面灭菌时间、表面消毒剂种类对褐变率有显著影响(P<0.05)。从单个因素来看,水浴温度40℃时污染率较低,0.1%HgC l2处理的污染率较低,无防腐剂处理的污染率较低;水浴温度45℃时褐变率较低,表面灭菌时间短的处理减少褐变率的效果较好。[结论]水浴温度50℃、0.1%HgC l2处理20 m in、无防腐剂培养基的污染率最低。     

基于NARX 神经网络的日光温室湿度预测模型研究

在日光温室湿度预测模型建模中,由于输入因子间存在复杂耦合关系以及冗余的条件属性,导致网络训练难以收敛且精度不高.选用影响日光温室湿度的环境因子组成数据样本,采用主成分分析方法对样本集进行解耦降维处理,以采用主成分分析后的数据样本作为输入,以日光温室内湿度作为输出,采用贝叶斯正则化算法构建NARX神经网络模型,对日光温室湿度进行预测.仿真结果表明,基于NARX神经网络建立的预测模型具有很强的非线性动态描述能力,能够对室内湿度值做出准确的预测.     

基于红外热成像的育成期蛋鸡体温检测方法

针对育成期蛋鸡在散养状态下受环境影响大,易生病,体温检测困难的问题,采用红外热成像技术和多元回归分析的方法,对鸡体体表温度和翼下温度之间的关系进行研究,建立温度预测模型。环境温湿度会影响鸡体体表温度的测量,为使红外热像仪采集的体表温度能够准确的反应出鸡体真实温度,试验对鸡体翼下温度和体表温度进行同步测量,并采集饲养环境中的温湿度,通过分析各变量之间的相关性,找到能够反应鸡体真实温度的变量,建立最优温度预测模型。试验结果表明:1)散养状态下育成期蛋鸡羽毛覆盖区域温度和环境温度存在共线性;2)多元线性温度预测模型的平均相对误差为0.38%;3)多元非线性温度预测模型的平均相对误差为0.17%。表明红外热像仪可以用于蛋鸡的体温检测,而且多元非线性温度预测模型结果更加准确。     

基于YOLOV3优化模型的复杂场景下茶树嫩芽识别

茶叶智能采摘的关键技术之一是待采摘嫩芽的识别,而嫩芽大小、环境光照、拍摄角度等因素都会给嫩芽的精准识别带来困难。针对复杂场景下传统茶树嫩芽识别方法准确率低的问题,文章提出一种基于YOLOV3深度卷积模型的识别方法,并通过增加SPP模块优化模型,提高模型对茶树嫩芽的识别能力。实验结果表明,YOLOV3模型和YOLOV3优化模型均能在复杂场景下实现茶树嫩芽识别,且YOLOV3优化模型的平均精度均值mAP比YOLOV3模型提高3.5百分点,达到91%,说明YOLOV3优化模型能够更好地应用于自然场景下的茶树嫩芽识别。     

高性能混凝土坍落度预测的遗传规划方法

提出应用遗传规划理论(GP)对高性能混凝土坍落度进行预测。针对影响高性能混凝土坍落度的主要因素作为输入因子,坍落度值作为输出变量,应用改进的遗传规划方法模拟出输入-输出二者因果关系的显式数学解析式,建立了高性能混凝土坍落度预测的非线性数学模型。通过实测数据进行验证分析,并分别与线性回归和神经网络模型比较,表明GP模型具有更好的拟合精度和预测效果,为坍落度预测提供了新的方法。     

基于打叶复烤原烟在线近红外光谱异常点判断方法的研究

以识别烟叶在线近红外异常光谱为研究目的,设计不同的烟叶状态,通过分析烟叶不同状态下的光谱,采用主成分分析结合马氏距离的方法,选择合适的马氏距离阈值,将大于该阈值的光谱判断为异常光谱.结果表明:该方法能够有效的将异常状态下的烟叶光谱判断为异常光谱,识别率高,该方法适合烟叶在线近红外检测.