导读:本文包含了最小二乘的支持向量机方法论文开题报告文献综述及选题提纲参考文献，主要关键词:最小二乘支持向量机,逆系统方法,流浆箱,MATLAB
最小二乘的支持向量机方法论文文献综述
杜青青[1]（2019）在《基于最小二乘支持向量机逆系统方法应用研究》一文中研究指出针对流浆箱的内部机理模型,提出了一种基于最小二乘支持向量机逆系统的解耦控制方法。利用最小二乘支持向量机辨识得到流浆箱系统的逆模型,并采用逆系统思想,将流浆箱非线性系统解耦成多个相互独立的单入单出伪线性子系统。采用MATLAB对该解耦控制方法的有效性进行仿真验证,结果表明,该控制方法抗干扰性强,结构简单,工程上易于实现。(本文来源于《工业仪表与自动化装置》期刊2019年05期）
蔡鑫,吴绍锋,李东波[2]（2019）在《基于最小二乘支持向量机的水质COD参数的光谱解算方法研究》一文中研究指出为研究利用光谱曲线解算水质COD(化学需氧量)参数的方法,首先利用COD标准液配置了一系列浓度的溶液,并采集了多组实际水样,然后根据朗伯-比尔定律分别测定其吸收光谱。使用回归型最小二乘支持向量机分别对COD标准液和实际水样进行建模,并分别使用两种模型对各自的测试样本进行预测比对。预测结果表明,最小二乘支持向量机在水质COD参数的光谱解算中具有较高的预测精度。(本文来源于《机械设计与制造工程》期刊2019年09期）
何怡刚,李凯伟,朋张胜,李兵[3]（2019）在《基于改进最小二乘支持向量机的IGBT模块键合线状态评估方法研究》一文中研究指出针对现有的绝缘栅双极型晶体管(IGBT)功率模块键合线状态评估方法存在故障指示参数提取复杂、未考虑工作条件变化以及时效性不高等问题,提出基于遗传算法(GA)优化最小二乘支持向量机(LS-SVM)的IGBT模块键合线状态评估方法。首先搭建H桥逆变器电路和VCE在线测量电路。其次对IGBT模块进行人为的键合线拆断实验,建立环境温度、正向导通电流和饱和压降的叁维数据模型。最后利用GA优化后的LS-SVM对叁维数据模型进行状态评估。由叁维数据模型可知,健康的IGBT和键合线断裂的IGBT在饱和压降曲面上具有很好的区分度。经过算法分析得出,GA-LS-SVM对IGBT键合线故障等级分类的总准确率达到96. 67%,比标准SVM提高13. 3%,比LS-SVM提高6. 7%,且运行时间明显减少。研究结果表明,该方法可以有效实现对IGBT模块键合线故障的在线监测。(本文来源于《电子测量与仪器学报》期刊2019年09期）
赵祥龙,陈捷,洪荣晶,潘裕斌[4]（2019）在《基于等距映射和最小二乘支持向量机的转盘轴承故障识别方法》一文中研究指出针对转盘轴承振动信号微弱,具有非线性、非平稳性的特点,提出将等距映射与最小二乘支持向量机相结合的故障诊断方法。首先,提取转盘轴承振动信号多分形特征并进行特征重构;然后,通过等距映射方法对特征信息进行维数约简处理;最后,将处理后的特征向量输入最小二乘支持向量机模型中进行故障状态识别。某型号转盘轴承全寿命加速试验表明,与未进行降维处理相比,经等距映射降维处理后的识别精度提高了12%,证明了该方法的可行性和有效性。(本文来源于《轴承》期刊2019年06期）
罗川[5]（2019）在《基于最小二乘支持向量机的短时交通流预测方法研究》一文中研究指出近年来,我国无论在社会经济还是城市规模方面,都已经进入极速发展阶段,与日俱增的机动车保有量和有限的道路资源之间的供需难以平衡,矛盾愈发尖锐。随之而来的各类交通问题对城市发展造成了巨大的压力,交通事故、交通拥堵和环境污染等问题已经严重影响到人们的生活。智能交通系统(Intelligent Traffic Systems,ITSs)的出现正是为了缓解这些交通问题,其中交通控制和交通诱导技术是较为有效的两个手段。而及时准确的交通流量是交通控制和诱导得以施展的关键。然而,传统的交通流量预测技术往往需要特定的模型结构和假设条件,不足以应对日益复杂的交通流数据,一些与机器学习等技术结合的智能预测算法逐渐兴起。最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)在选取合适的参数时,在时间序列和非线性回归问题上具有较强的预测能力。本文以准确预测出选定路段未来某时段的交通流量为研究目标,提出基于LSSVM的短时交通流预测模型。根据预处理后的交通流数据搭建预测模型,验证预测性能,研究短时交通流预测模型在建立和实现的过程中遇到的问题。本文的研究工作主要包括:第一,描述分析交通流数据的基本参数,根据参数的特性判别并修正错误和缺失的数据,保证用于分析的交通流数据中含有尽可能多的有效信息,提高预测准确率。第二,将支持向量机(Support Vector Machine,SVM)的改进版本LSSVM用于短时交通流预测,以改善SVM训练时间长,计算成本高等缺点。第叁,针对LSSVM对模型参数敏感的问题,本文提出基于粒子群优化(Particle Swarm Optimization,PSO)和遗传算法(Genetic Algorithm,GA)的混合优化算法对LSSVM的参数进行优化。本文在PSO中引入GA的选择、交叉和变异因子,使混合优化算法既保留有PSO收敛快、易于实现的优点,又有GA搜索全局最优解的能力。实验结果表明,本文提出的混合优化算法能够找到一组较优的参数,使LSSVM在预测交通流问题时具有良好的稳定性和预测精度。(本文来源于《太原理工大学》期刊2019-06-01）
马彪[6]（2019）在《基于最小二乘支持向量机的我国能源消费计算方法》一文中研究指出本文提出利用最小二乘支持向量机方法定量计算能源消费量,选取了人口数量、经济增长、技术水平、产业结构、固定投资、路网密度、对外开放、政策影响等作为能源消费的影响因素,将样本的影响因素数据作为输入量,将样本的能源消费量数据作为输出量,利用训练好的最小二乘支持向量机模型作为能源消费量定量计算的有效工具。研究结果表明:基于最小二乘支持向量机模型的计算结果与样本值拟合精度较高,能较好且客观地反映各控制因素对能源消费量的影响,对制定科学有效的能源规划和决策具有重要意义。(本文来源于《工业技术经济》期刊2019年06期）
敖秀奕,张旭刚,江志刚,张华[7]（2019）在《基于半监督学习和最小二乘支持向量机回归的废旧机电产品再制造成本预测方法研究》一文中研究指出文章针对再制造批量小、实验所需样本不足的问题,提出一种基于半监督学习与最小二乘支持向量机回归的再制造成本预测方法。废旧机电产品的可用零部件分为可直接利用、可再制造加工利用和直接替换叁种类型,以各类型零部件的比率和再制造复杂系数为输入,再制造成本为输出,建立半监督学习与最小二乘支持向量机回归相结合的再制造成本预测模型。利用k最近邻算法估计未进行再制造样本的成本,然后将未进行再制造的样本与已知再制造成本的样本代入方程组即可求出该预测模型。案例分析表明基于半监督学习与最小二乘支持向量机回归的成本预测方法能够在已知再制造成本的样本量较少的情况下对成本进行快速且准确的预测,是一种很好的成本预测方法。(本文来源于《组合机床与自动化加工技术》期刊2019年04期）
姚杰[8]（2019）在《基于FCM最小二乘支持向量机锌银电池分选方法》一文中研究指出随着深海装备、国防领域和航空航天领域的发展,锌银电池因其具有高比能量、高比功率等优点被广泛使用,由于单体电池并不能满足大功率和高容量场合的应用要求,通常需要几十节甚至上百节锌银单体电池串并联成组使用。但由于锌银单体电池间存在差异,锌银电池成组使用后,连续的充放电循环使单体电池的差异被放大,造成锌银电池组容量衰减和寿命降低,甚至引发安全问题。所以在锌银电池成组前通过分选提高参与配组单体电池初始性能的一致性显得尤为重要。本文首先介绍了课题研究背景及意义,分析了锌银电池发展现状和电池分选研究现状,研究了锌银电池工作原理和特点,总结了锌银电池不一致性原因、表现形式和解决办法。其次,介绍了支持向量机(Support vector machine,SVM)的基本理论,从线性标准SVM推广到非线性标准SVM,从二分类问题推广到解决多分类问题,并研究了最小二乘支持向量机(Least square-Support vector machine,LS-SVM)电池分选方法,该方法用等式约束代替标准SVM的不等式约束,将二次规划问题转化为线性方程组求解,降低了计算复杂性,具有更快的求解速度和更好的鲁棒性。为解决传统的利用先验知识分类建立LS-SVM模型的局限,以提高模型准确性,提出了基于模糊C均值(Fuzzy C-means,FCM)的LS-SVM模型建立方法。研究了FCM聚类算法,通过FCM聚类算法获得电池样本分类,利用分类结果进行LS-SVM模型训练及测试。通过仿真对比了不同方法的性能,验证了LS-SVM模型的优越性。最后,介绍了锌银电池分选测试平台,设计了电池容量衰减实验。实验结果表明,采用基于FCM的LS-SVM模型预测方法可以快速、有效地对锌银进行分选,并且能够提高电池组的动态一致性。(本文来源于《哈尔滨理工大学》期刊2019-03-01）
王永明,刘兴龙,桑凌志[9]（2018）在《基于最小二乘支持向量机的AIS数据修复方法》一文中研究指出针对当前船舶自动识别系统(automatic identification system,AIS)数据存在大量错误和缺失的问题,通过匹配AIS数据丢失时间制定完备AIS数据库,采用改进的Hausdorff距离公式融合轨迹空间相似度与船舶航行速度相似度,采用相似轨迹作为最小二乘支持向量机(least squares support vector machine,LSSVM)算法的输入样本,通过数据训练得到的回归模型对AIS数据进行修复。采用实际数据进行验证。结果显示,本文提出的基于粒子群优化(particle swarm optimization,PSO)的LSSVM算法能够准确还原AIS数据。结果可以提高AIS数据的连续性和完整性。(本文来源于《上海海事大学学报》期刊2018年04期）
陈卫东,梁朔,肖园园,郭敏[10]（2019）在《基于模糊最小二乘支持向量机的微电网群状态评估方法》一文中研究指出针对微电网群能量管理与协调控制系统适应多微电网间多工况控制策略灵活调整的需要,提出了一种基于模糊最小二乘支持向量机(FLS-SVM)的低压微电网群运行状态实时评估模型。该模型基于传统电力系统运行状态描述方法,建立了微电网群及子微电网安全正常运行的边界条件,以电压偏移率、储能剩余容量及充放电时间、发用电功率等多维度特征向量对子微电网状态分类,应用FLS-SVM对子微电网的实时运行状态进行评估,最后判别出微电网群运行状态。实例计算分析表明,该模型可跟随系统采样周期实时评估,对离、并网条件下子微电网运行状态均能实现准确有效地分类,为微电网群快速判断网内状态并灵活调整控制策略提供依据。(本文来源于《电力系统自动化》期刊2019年02期）
最小二乘的支持向量机方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为研究利用光谱曲线解算水质COD(化学需氧量)参数的方法,首先利用COD标准液配置了一系列浓度的溶液,并采集了多组实际水样,然后根据朗伯-比尔定律分别测定其吸收光谱。使用回归型最小二乘支持向量机分别对COD标准液和实际水样进行建模,并分别使用两种模型对各自的测试样本进行预测比对。预测结果表明,最小二乘支持向量机在水质COD参数的光谱解算中具有较高的预测精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
最小二乘的支持向量机方法论文参考文献
[1].杜青青.基于最小二乘支持向量机逆系统方法应用研究[J].工业仪表与自动化装置.2019
[2].蔡鑫,吴绍锋,李东波.基于最小二乘支持向量机的水质COD参数的光谱解算方法研究[J].机械设计与制造工程.2019
[3].何怡刚,李凯伟,朋张胜,李兵.基于改进最小二乘支持向量机的IGBT模块键合线状态评估方法研究[J].电子测量与仪器学报.2019
[4].赵祥龙,陈捷,洪荣晶,潘裕斌.基于等距映射和最小二乘支持向量机的转盘轴承故障识别方法[J].轴承.2019
[5].罗川.基于最小二乘支持向量机的短时交通流预测方法研究[D].太原理工大学.2019
[6].马彪.基于最小二乘支持向量机的我国能源消费计算方法[J].工业技术经济.2019
[7].敖秀奕,张旭刚,江志刚,张华.基于半监督学习和最小二乘支持向量机回归的废旧机电产品再制造成本预测方法研究[J].组合机床与自动化加工技术.2019
[8].姚杰.基于FCM最小二乘支持向量机锌银电池分选方法[D].哈尔滨理工大学.2019
[9].王永明,刘兴龙,桑凌志.基于最小二乘支持向量机的AIS数据修复方法[J].上海海事大学学报.2018
[10].陈卫东,梁朔,肖园园,郭敏.基于模糊最小二乘支持向量机的微电网群状态评估方法[J].电力系统自动化.2019