PSO-SVM 模型在一些数据集上也表现不错,但整体性能略逊于 QPSO-SVM 模型。而传统的 SVM 模型则在大部分数据集上表现最差,其分类准确率和 F1 值都明显低于另外两种模型。此外,QPSO-SVM 模型的训练时间和预测时间也相对较短,表现出较高的效率。 综上所述,基于实验结果的分析,我们可以得出结论:在多特征分类预测...
摘要: 通过对上海洋山深水港口的船舶流量的调研以及对船舶交通流量影响因素的分析,建立支持向量机预测模型。同时为了解决支持向量机预测模型的参数选择问题,引入了粒子群优化算法进行参数优化,建立较优的PSO-SVM预测模型。通过MATLAB仿真实验计算,将PSO-SVM模型与单纯的SVM预测模型和灰色神经网络预测模型结果进行对比分析,证...
废水厌氧处理系统VFA浓度预测仿真结果见表 2及图 7.通过分析图 7a, pso-SVM模型对废水厌氧处理系统VFA浓度具有较好的预测仿真能力, 但是当水质变化较大时, 模型存在欠拟合的问题, 局部表现较差.对比分类前后的模型表现, 通过对比图 7a与图 7b、图 7c, 模型在数据集分类后的性能表现提升较大.分类之前, 模型的...
的冲击地压模型, 并预测了一个铁矿中岩石的冲击地压[ 3]等. 近年来, 我国学者也对冲击地压的预测做了大量的研究工作. 武玉梁分析了冲击地压主要影响因素, 采用B P 神经网络方法, 对冲击地压进行了预测预报[ 4]. 蒋谙男建立了冲击地压危险性预测的最小二乘支持向量机模型, 并用这个模型对徐州矿务局张集...
本文以SVM作为基础分类器,结合粒子群优化算法,提出了基于PSO-SVM的变压器故障诊断模型,解决SVM算法准确度不高,学习能力较弱,不适合多分类的特点。采用实际变压器故障数据进行仿真实验,结果表明,PSO-SVM模型的诊断结果综合正确率高达81.72%,验证了模型的准确性和实用性。
从表2可以得出,由于训练数据和测试数据采自不同的数据集,网格搜索和LWDPSO算法的检测率较低,误报率和漏报率较高;采用并行PSO算法对LSSVM进行参数寻优所建立的入侵检测模型检测率、误报率和漏报率都优于其他两种算法参数寻优后所建立的模型。 本文给出并分析了基本PSO算法和LWDPSO算法的定义及特点。提出并行PSO算...
绪论设备故障诊断理论感应电动机故障机理分析PSO-SVM模型理论知识模型理论知识基于PSO-SVM模型的感应电机故障诊断基于模型的感应电机故障诊断总结 1.1选题背景及研究意义1.2智能故障诊断算法的研究状况1.3主要研究方法及研究内容 在生产技术不断革新的社会大背景下,现代机械设备的技术水平与复杂程度都在不断提高,工业...
冲击地压危险等级预测的PSO-SVM模型
为研究基于光电倍增管(PMT)和电流放大器的光电检测系统故障诊断,提出了一种基于电流放大器输出信号波形特征的故障诊断方法。通过分析电流放大器电路不同故障状态下的输出电压波形变化特征,建立了相应的故障模型。使用小波包分解和基于粒子群优化(PSO)算法的支持向量机(SVM)模型分别提取和分类电流放大器输出电压波形特征向量...
为了对冲击地压进行有效的预测,分析了冲击地压的主要影响因素,建立了基于粒子群优化支持向量机方法(PSO-SVM)的冲击地压危险程度预测模型,并通过实例,对PSO-SVM模型的预测效果进行了检验,同时还分别采用了BP神经网络(BP-NN)和支持向量机方法(SVM)对实例进行了预测,最后对三种方法的预测精度进行了比较分析,结果显示:...