收藏本站
《浙江大学》 2003年
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机及其在控制中的应用研究

孙宗海  
【摘要】: 统计方法是从观测自然现象或者专门安排的实验所得到的数据去推断该事物可能的规律性。统计学习理论是在研究小样本统计估计和预测的过程中发展起来的一种新兴理论,它试图从更本质上来研究机器学习问题,因此引起了人们越来越多的重视。 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,它是统计学习理论中的结构风险最小化思想在实际中的一种体现。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。本文选取SVM及其如何在控制领域取得应用加以研究,希望理论与应用并重。因此本文主要由两大部分构成:其一是关于SVM本身的研究,提出了新的SVM;其二是关于应用的研究,包括如何在最优控制中取得应用、如何构造SVM软测量仪及在故障诊断中取得应用。 本文的主要贡献如下: 1.回顾了统计学习理论研究的基本问题及主要内容。为了更好地说明统计学习理论在实际中的实现问题,我们回顾了SVM的基本概念及基本理论。然后介绍了SVM的发展和国内外研究现状,主要从SVM本身发展,SVM的算法,SVM的应用三方面进行了回顾,对每一方面目前存在的问题进行了总结。 2.针对回归估计问题提出了模糊SVM。模糊SVM主要用于解决标准SVM不能很好处理噪声污染的数据样本问题。把针对分类问题的广义SVM及最小二乘广义SVM用来处理回归估计问题,并和模糊SVM结合起来形成了基于模糊加权的广义SVM和基于模糊的多层最小二乘广义SVM。 3.针对多类回归模型估计问题提出了基于SVM的模糊C聚类算法,这种方法可以对样本进行聚类的同时实现对多个回归模型的估计;同时提出了基于最小二乘支持向量机(LS-SVM)的模糊C聚类算法。在讨论多类回归模型估 浙江大学博士学位论文 计问题的基础上又针对多个输出的问题讨论了SVM和LS一SVM如何实现的 问题。 4.加权LS一SVM可以对回归估计问题实现鲁棒估计,把它同基于LS一SVM的N 步最优控制想法相结合,将其扩展到基于加权最小二乘广义SVM,并应用 于N步最优控制问题,确定加权因子采用了模糊运算的办法。 5.针对微生物发酵中需要有大量软测量仪表的问题,提出了基于SVM的软测 量仪,针对离线和在线问题分别讨论了SVM软测量仪和LS一SVM软测量 仪的实现问题。sVM和Ls一sVM软测量仪实际上也是一种智能软测量仪 表。 6.研究了svM如何在故障诊断中应用的问题,提出了一种微生物发酵的故障 诊断新方法,即两个关联向量机分别作为观测器和分类器。观测器用于估计 二氧化碳释放率以便得到残差序列,分类器用于对残差序列进行分类。为了 减少染菌所造成的影响和损失,对异常工况进行及时诊断显得尤为重要。在 这里采用了另一种故障诊断方法,即把主元分析同支持向量机结合起来,这 样既可以从过多的监测变量中提取出主要的监测变量,又可以从有限的故障 样本得到具有较强推广能力的决策函数。 7.最后对全文进行了概括性总结,并指出了理论和应用上有待进一步研究的方 向。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张汝雷;王保民;苏欣平;傅钰;;支持向量机(SVM)在机械故障诊断中的应用研究[J];军事交通学院学报;2009年03期
2 姚程宽;;SVM在不平衡样本集中的应用研究[J];计算机与数字工程;2007年10期
3 范秋凤;陈彦涛;;支持向量机及其应用研究[J];科技信息;2009年29期
4 谢长菊;;支持向量机新模型及其参数特性研究[J];计算机仿真;2010年04期
5 李卓,刘斌,刘铁男,朱秀华,魏坤;支持向量机及其在油田生产中的应用[J];大庆石油学院学报;2005年03期
6 张国宣,孔锐,施泽生,郭立;一种新的基于聚类的SVM迭代算法[J];仪器仪表学报;2004年S1期
7 李毅;徐守时;;基于支持向量机的遥感图像舰船目标识别方法[J];计算机仿真;2006年06期
8 胡国胜;支持向量机算法及应用[J];现代电子技术;2005年03期
9 邓蕊;马永军;刘尧猛;;基于改进交叉验证算法的支持向量机多类识别[J];天津科技大学学报;2007年02期
10 王书舟;伞冶;;支持向量机的训练算法综述[J];智能系统学报;2008年06期
11 范燕,吴小俊,惠长坤,刘同明;人脸图象特征抽取和识别的一种混合方法研究[J];华东船舶工业学院学报(自然科学版);2003年02期
12 姬水旺,姬旺田;支持向量机训练算法综述[J];微机发展;2004年01期
13 林长方;;支持向量机及其应用研究[J];和田师范专科学校学报;2010年05期
14 孔波;郑喜英;;支持向量机多类分类方法研究[J];河南教育学院学报(自然科学版);2010年02期
15 李辉,管晓宏,昝鑫,韩崇昭;基于支持向量机的网络入侵检测[J];计算机研究与发展;2003年06期
16 叶俊勇,汪同庆,杨波,彭健;基于支持向量机的人脸检测算法[J];计算机工程;2003年02期
17 洪宇光,李洁冰,王洪玉;SVM在阵列信号定位中的应用[J];计算机仿真;2004年06期
18 张国宣,孔锐,施泽生,郭立,刘士建,薛明东;基于核聚类方法的多层次支持向量机分类树[J];控制与决策;2004年11期
19 徐海祥;朱光喜;张翔;田金文;彭复员;;基于改进的一对一支持向量机方法的多目标图像分割[J];微电子学与计算机;2005年12期
20 杜新华;陈增强;袁著祉;;基于支持向量机函数逼近的性能研究[J];计算机工程;2006年08期
中国重要会议论文全文数据库 前10条
1 宋普云;沈雪勤;吴清;;一种改进的SMO算法[A];第六届全国计算机应用联合学术会议论文集[C];2002年
2 师旭超;巴松涛;;基于支持向量机方法的深基坑变形预测[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(上册)[C];2004年
3 刘斌;魏贤龙;李卓;;基于支持向量机的Widrow自适应滤波器[A];2006中国控制与决策学术年会论文集[C];2006年
4 孙向东;黄日波;;运用SVMs原理预测蛋白质二级结构研究[A];广西微生物学会2003年学术年会论文集[C];2003年
5 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
6 张国宣;孔锐;施泽生;郭立;;一种新的基于聚类的SVM迭代算法[A];第二届全国信息获取与处理学术会议论文集[C];2004年
7 顾锦荣;刘华强;孙预前;;遗传算法优化的支持向量机模型在热带气旋强度预报中的应用[A];第七届长三角气象科技论坛论文集[C];2010年
8 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
9 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
10 梅立泉;丁雪梅;张淑娟;;结构声振数据的相似性分析和预测[A];中国核科学技术进展报告——中国核学会2009年学术年会论文集(第一卷·第6册)[C];2009年
中国重要报纸全文数据库 前10条
1 特约记者 宋勇刚 记者 黄桂云;曹家乡 积极推广微生物发酵床养猪[N];眉山日报;2010年
2 记者 于莘明;微生物发酵垃圾7天变成肥[N];科技日报;2003年
3 满城县南韩村镇秸秆饲料机械推广站 王宏昌;秸秆微生物发酵制饲料[N];河北科技报;2003年
4 王安;老树新枝:微生物做出大文章[N];中国信息报;2006年
5 邵燕 本报记者 王环威;一项养猪新技术在我市推广[N];丹东日报;2010年
6 张尚武;规模养猪场 粪污零排放[N];湖南日报;2008年
7 彭益昌;纳雍首家微生物发酵床生态养猪场落户[N];毕节日报;2009年
8 曜禹;微生物发酵饲料在京郊投产[N];农民日报;2002年
9 韩德志;活微饲料知识简介[N];中国畜牧报;2005年
10 陈赛;湖南省养猪实现零污染排放[N];中国食品质量报;2010年
中国博士学位论文全文数据库 前10条
1 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
2 李忠伟;支持向量机学习算法研究[D];哈尔滨工程大学;2006年
3 武国正;支持向量机在湖泊富营养化评价及水质预测中的应用研究[D];内蒙古农业大学;2008年
4 杨金芳;支持向量回归在预测控制中的应用研究[D];华北电力大学(河北);2007年
5 任东;基于支持向量机的植物病害识别研究[D];吉林大学;2007年
6 张超;基于支持向量机的汽轮机轴系振动故障智能诊断研究[D];华北电力大学(河北);2009年
7 张永;基于模糊支持向量机的多类分类算法研究[D];大连理工大学;2008年
8 梁力文;基于支持向量机的小波滤噪短波近红外光谱在药品定量分析中的研究[D];吉林大学;2009年
9 鲁淑霞;基于支持向量机的多光谱数据分类[D];河北大学;2007年
10 刘叶青;原始空间中支持向量机若干问题的研究[D];西安电子科技大学;2009年
中国硕士学位论文全文数据库 前10条
1 赖永标;支持向量机在地下工程中的应用研究[D];山东科技大学;2004年
2 杨振章;基于支持向量数据描述的分类识别算法研究[D];杭州电子科技大学;2009年
3 聂小芳;模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究[D];辽宁工程技术大学;2009年
4 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年
5 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
6 刘维会;不平衡数据集上支持向量机算法研究[D];山东科技大学;2010年
7 刘艳伟;支持向量机方法在感潮河段洪峰水位预报中的应用[D];浙江大学;2010年
8 王奇安;基于广泛内核的CVM算法研究及参数C的选择[D];南京航空航天大学;2009年
9 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年
10 张永新;基于支持向量机和遗传算法相结合的模拟电路故障诊断方法研究[D];东北大学;2009年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978