“支持向量机算法”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果4280111个，建议您升级VIP下载更多相关专利

[发明专利]一种跨技术通信的欺骗攻击检测方法-CN202010581236.4有效
发明人：高德民;孙权 -专利权人：南京林业大学
申请日： 2020-06-23 - 公布日： 2022-09-02 - 主分类号： H04W12/121 文献下载
摘要：本发明提供了一种跨技术通信的欺骗攻击检测方法，包括以下步骤：步骤1，建立跨技术通信网络，获取正常数据；步骤2，使用一类支持向量机算法对正常数据进行训练并构建一类支持向量机算法分类器；步骤3，使用步骤2得到的一类支持向量机算法分类器获取异常数据；步骤4，将正常数据和异常数据作为训练集，使用支持向量机算法进行分类训练，得到训练好的支持向量机算法分类器，通过支持向量机算法分类器对网络中的数据进行检测。
一种技术通信欺骗攻击检测方法

[发明专利]一种基于数据挖掘技术和改进支持向量机的风电预测算法-CN201811283481.6在审
发明人：周文博;高婧;李存斌;孙辰军;周景;蔺帅帅 -专利权人：国网河北省电力有限公司;国家电网有限公司;华北电力大学
申请日： 2018-10-31 - 公布日： 2020-05-08 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了基于数据挖掘技术和改进支持向量机的风电预测算法，所述风电预测算法包括以下步骤：步骤1：数据处理；对错误和缺失的原始数据进行处理，采用小波变换对处理后的原始数据进行去噪分析，得出一组可信性较高的新数据；步骤2：参数初始化；确定支持向量机算法的核参数σ2和惩罚因子C；步骤3：参数优化；通过布谷鸟搜索算法对支持向量机算法的核参数σ2和惩罚因子C进行迭代优化；步骤4：支持向量机的构建，通过步骤3的布谷鸟搜索算法得到最佳参数，构建支持向量机；步骤5：根据支持向量机算法的步骤对支持向量机训练进行风电预测；步骤6：输出风力发电预测结果
一种基于数据挖掘技术改进支持向量预测算法

[发明专利]一种基于免疫算法优化的支持向量机蓄电池寿命预测方法-CN201910546936.7有效
发明人：李建路;高鹏;王勇;朱珠;徐立坤;王林;宣侃平;陈海平 -专利权人：南方电网调峰调频发电有限公司信息通信分公司
申请日： 2019-06-24 - 公布日： 2022-11-01 - 主分类号： G06N20/10 文献下载
摘要：本发明公开了一种基于免疫算法优化的支持向量机蓄电池寿命预测方法，包括将获取到的样本数据分成训练集和测试集；利用训练集对基于免疫系统优化的支持向量机模型进行训练，获得训练好的支持向量机模型；将测试集带入所述训练好的支持向量机模型中本发明利用免疫算法去改进支持向量机算法的优化过程，增强支持向量机算法的全局搜索能力，防止其陷入局部最优解。
一种基于免疫算法优化支持向量蓄电池寿命预测方法

[发明专利]一种基于猫群算法优化支持向量机参数的冷负荷预测方法-CN201310271405.4在审
发明人：文元美;陈彦宇 -专利权人：广东工业大学
申请日： 2013-06-28 - 公布日： 2013-10-09 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于猫群算法优化支持向量机参数的冷负荷预测方法。包括如下步骤：1）冷负荷预测特征的选取；2）冷负荷历史数据预处理；3）冷负荷历史数据分析；4）利用猫群算法自动优化支持向量机参数；5）利用优化后的支持向量机进行冷负荷预测。本发明利用猫群算法所具备的局部搜索能力和全局搜索能力对支持向量机的参数进行寻优，以此提高支持向量机的预测能力，达到提高预测精度的效果。本发明猫群算法应用到支持向量机参数优化的过程中，实现支持向量机参数的自动优化，最终提高冷负荷预测的预测精度。本发明实用性高，推广能力强。
一种基于算法优化支持向量参数负荷预测方法

[发明专利]一种基于二类支持向量机和遗传算法的轿车车型识别方法-CN201210358691.3无效
发明人：顾晓清;倪彤光;薛磊 -专利权人：常州大学
申请日： 2012-09-25 - 公布日： 2013-01-16 - 主分类号： G06K9/66 文献下载
摘要：本发明公开一种基于二类支持向量机和遗传算法的轿车车型识别方法，对待识别的轿车的长、宽、高、轴距的特征值进行归一化处理，组成特征向量；对每个轿车车型分配一个二进制编号，根据所得的二进制编码构造二类支持向量机网络，对得到的二类支持向量机网络中的每个二类支持向量机训练，使用遗传算法对二类支持向量机的惩罚参数c和核函数参数γ进行寻优，获得最优参数c和γ；将特征向量输入训练完成的二类支持向量机网络，采用最优参数c和γ对训练完成的二类支持向量机网络进行预测，完成轿车车型识别；减少了二类支持向量机网络中的向量机数目，使得所需支持向量机数目远小于同类方法，提高了识别速度，提高了算法效率。
一种基于支持向量遗传算法轿车车型识别方法

[发明专利]基于支持向量机的电表故障分类方法、装置及电子设备-CN202210727970.6在审
发明人：李翀;杨鹏;王浩;申洪涛;李倩;厉建宾;李飞;杨媛媛;郭聚川;胡楠 -专利权人：国网河北省电力有限公司营销服务中心;国家电网有限公司
申请日： 2022-06-23 - 公布日： 2022-09-20 - 主分类号： G06K9/62 文献下载
摘要：本发明适用于电力技术领域，提供了一种基于支持向量机的电表故障分类方法、装置及电子设备。该方法包括：获取目标故障电表的运行信息，将运行信息输入至预训练的支持向量机分类模型中，得到目标故障电表的故障类型；其中，支持向量机分类模型的训练过程为：获取训练数据；通过种群优化算法算法对支持向量机的参数组合进行迭代寻优，在达到预设迭代次数之前，使用蝗虫算法和萤火虫算法联合更新个体位置，在达到预设迭代次数之后，使用蝗虫算法更新个体位置，得到支持向量机的最优参数组合，从而构建支持向量机分类模型。
基于支持向量电表故障分类方法装置电子设备

[发明专利]一种基于樽海鞘群算法支持向量机的网络钓鱼检测方法-CN201910031356.4有效
发明人：叶志伟;孙一恒;王春枝;金灿;孙爽;杨娟;郑逍;陈凤;苏军;严灵毓 -专利权人：湖北工业大学
申请日： 2019-01-14 - 公布日： 2022-07-19 - 主分类号： H04L9/40 文献下载
摘要：本发明公开了一种基于樽海鞘群算法支持向量机的网络钓鱼检测方法，首先初始化樽海鞘群算法的基本参数：种群数目、迭代次数、个体维度、搜索空间；随机初始化个体的位置和范围；然后按照适应度值的大小划分为领导者樽海鞘和跟随者樽海鞘，利用这两种樽海鞘的协调合作挖掘出支持向量机的最优参数。在每次迭代中，用于评价个体的适应度值的函数是个体所携带的参数对于支持向量机在钓鱼网站数据集上的检测准确率。本发明与一般的优化算法如遗传算法、引力搜索算法、蝙蝠算法、粒子群算法等，在优化支持向量机上，能够尽可能的挖掘出支持向量机的最优参数参数，提升支持向量机在钓鱼检测的准确率。
一种基于海鞘算法支持向量网络钓鱼检测方法

[发明专利]基于最小二乘支持向量机模型的电力价格预测方法和装置-CN202011352821.3在审
发明人：赵蕾 -专利权人：新智数字科技有限公司
申请日： 2020-11-27 - 公布日： 2021-02-09 - 主分类号： G06Q30/02 文献下载
摘要：本发明适用于电力价格预测技术领域，提供了基于最小二乘支持向量机模型的电力价格预测装置，所述方法包括：利用自适应遗传算法，确定最小二乘支持向量机的模型参数；从历史电力价格数据中选取训练样本，训练在所述自适应遗传算法确定的模型参数下的最小二乘支持向量机，得到最小二乘支持向量机模型；基于所述最小二乘支持向量机模型，预测电力价格数据，本发明选择自适应遗传算法来选择模型参数，避免了传统遗传算法容易陷入局部极值点的问题，使最小二乘支持向量机训练得到的模型精度得到进一步提升
基于最小支持向量模型电力价格预测方法装置

[发明专利]一种遗传算法最小二乘风电功率预测方法-CN201611003309.1在审
发明人：丛玉良;高超;丁连根;刘葳汉;张利平;周劲 -专利权人：吉林大学
申请日： 2016-11-14 - 公布日： 2017-03-15 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种遗传算法最小二乘风电功率预测方法，利用已收集到实测风速建立遗传算法最小二乘支持向量机预测模型，确定建模所用的输入、输出变量；对原始数据进行归一化处理，利用遗传算法优化参数的数据、最小二乘支持向量机预测模型训练和测试的样本数据；对遗传算法以及最小二乘支持向量机预测模型参数初始化设置，训练模型，通过遗传算法多代进化获得优化的最小二乘支持向量机预测模型参数，建立最小二乘支持向量机预测模型；用最小二乘支持向量机预测模型对测试样本做风速短期预测本发明运用遗传算法对LSSVM模型进行参数寻优，建立了基于GA‑LSSVM的风速信息预测模型，可以出色地实现数据的精确预测。
一种遗传算法最小乘风电功率预测方法

[发明专利]一种基于支持向量机和杂草算法结合的目标分类方法-CN202010300123.2在审
发明人：刘磊;赵彦峰 -专利权人：南京卓宇智能科技有限公司
申请日： 2020-04-16 - 公布日： 2020-08-11 - 主分类号： G06N20/10 文献下载
摘要：本发明涉及机器学习及目标分类领域，具体涉及一种基于支持向量机和杂草算法结合的目标分类方法，包括杂草算法优化步骤、支持向量机进行二分类步骤，杂草算法优化步骤包括种群初始化、生长繁殖、空间扩散、竞争排斥、重复本发明的有益效果：利用杂草算法不断调优核函数参数的选择，能够快速找到支持向量机核函数的最优参数，从而支持向量机在目标分类过程中精度更高，可靠性高，精度高，适应面广泛。
一种基于支持向量杂草算法结合目标分类方法

[发明专利]一种基于支持向量机和遗传算法的镜头边界检测方法-CN201110260238.4无效
发明人：孙学梅;张晶;李媛媛;孙宝山;赵龙 -专利权人：天津工业大学
申请日： 2011-09-06 - 公布日： 2012-01-18 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及基于支持向量机和遗传算法的镜头边界检测算法，包括第一步提取视频序列帧的特征，并组成一定维数的特征矢量；第二步，使用遗传算法对支持向量机的RBF核函数参数进行优化；第三步，利用得到的近似最优参数训练得到最优分类模型本发明针对现有镜头边界检测技术的不足，提出一种基于支持向量机和遗传算法的镜头边界检测算法。能够更加有目的和针对性的选取支持向量机的参数，进而得到近似最优参数，而且使得镜头分割的效果也得到一定程度上的提升；同时，使用遗传算法选择支持向量机的参数，避免了传统支持向量机选取参数时的盲目性和低效率。
一种基于支持向量遗传算法镜头边界检测方法

[发明专利]一种电力变压器故障诊断方法与系统、存储介质-CN202211713953.3在审
发明人：王轶;王冰洋;范志明;王伟;刘阳;刘震宇;李海雨;刘婷;何向飞;席海阔;唐全;白晶石;吴楠;刘思琦;余建明;姜涛 -专利权人：国网冀北电力有限公司承德供电公司;国家电网有限公司;承德天汇电力设计有限责任公司;北京科东电力控制系统有限责任公司
申请日： 2022-12-29 - 公布日： 2023-06-13 - 主分类号： G06F18/2411 文献下载
摘要：包括以下步骤：通过油中色谱分析获取的电力变压器的油中各气体的含量，得到原始数据；将原始数据进行预处理，构造特征向量，并划份为训练样本集及测试样本集；基于训练样本集构建支持向量机；通过改进细菌觅食算法对支持向量机进行优化，得到支持向量机故障诊断模型；将测试样本集T2输入至支持向量机故障诊断模型进行故障诊断。本发明将数据分析诊断技术与智能算法结合，通过油中色谱分析获取数据构建支持向量机，经过改进细菌觅食算法寻找支持向量机全局最优参数，提高诊断的准确性。
一种电力变压器故障诊断方法系统存储介质

[发明专利]自适应差分进化算法优化支持向量机的故障诊断方法-CN202110800113.X有效
发明人：李媛媛;李志博;姚炜;戚博炜;孙祺淳;唐明;侯玲玉;陈嘉航 -专利权人：上海工程技术大学
申请日： 2021-07-14 - 公布日： 2023-07-04 - 主分类号： G06F18/2411 文献下载
摘要：本发明涉及一种自适应差分进化算法优化支持向量机的故障诊断方法，采集待诊断故障的轴承的振动信号，并对其进行预处理得到数据后，将数据输入到训练好的支持向量机模型中，由其输出轴承故障诊断结果；预处理的过程即依次进行分解、特征提取和特征选择的过程；支持向量机模型的训练步骤如下：(1)采集已诊断故障的轴承的振动信号，并对其进行所述预处理得到训练样本数据；(2)优化支持向量机模型的模型参数C和gamma；(3)训练支持向量机模型；将参数C和gamma的取值代入支持向量机模型中，利用训练样本数据对支持向量机模型进行训练。本发明可实现参数的自适应调整，从而使得支持向量机算法达到较优的结果，提高了算法的鲁棒性和准确度。
自适应进化算法优化支持向量故障诊断方法

[发明专利]基于支持向量机回归模型的测试生成与重用系统及方法-CN201910606331.2有效
发明人：钱忠胜;宋涛 -专利权人：江西财经大学
申请日： 2019-07-05 - 公布日： 2023-05-23 - 主分类号： G06N3/006 文献下载
摘要：本发明公开了一种基于支持向量机回归模型的测试生成与重用系统及方法，包括：基于支持向量机回归模型的测试用例生成单元包括支持向量机回归模块和遗传算法模块，支持向量机回归模块是用于训练模拟计算适应度大小的模型，遗传算法模块用于引用所述支持向量机回归模块训练的模型生成测试用例；融入支持向量机回归模型的测试用例重用单元包括测试用例重用模块，在利用遗传算法测试程序时，通过进化中的种群个体及插桩法计算的适应度值作为样本来训练支持向量机回归模型，运用支持向量机回归模型在程序的测试用例集中查询适应度较高的测试数据，并将测试数据引用到新种群迭代的过程中，对每个被选中的个体以一定的概率与随机选择的引用个体进行交叉操作。
基于支持向量回归模型测试生成重用系统方法

[发明专利]一种基于三层动态粒子群算法的多分类器模型构建方法-CN201810227288.4有效
发明人：代钰;杨雷;阚志浩;张斌 -专利权人：东北大学
申请日： 2018-03-20 - 公布日： 2019-08-20 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种基于三层动态粒子群算法的多分类器模型构建方法，涉及数据分析处理技术领域。该方法包括：预处理输入特征向量集；对预处理后的特征向量集反复分类、切分、训练和合并，直到获得支持向量机的支持向量；采用改进的三层粒子群算法对支持向量机核函数进行优化，构建多分类器模型。本发明提供的一种基于三层动态粒子群算法的多分类器模型构建方法，采用分治方法，对初始数据集进行数据块切分，降低子支持向量机的数据处理规模，加快训练时间，同时，对每一层利用相同数量的独立的支持向量机训练，获得支持向量集，充分利用集群环境，提高并行效率，再对最终的支持向量机核参数进行优化，获得最优的支持向量集，从而获得多分类器模型。
多分类器支持向量机三层动态粒子模型构建支持向量算法预处理支持向量机训练输入特征向量数据分析处理初始数据集粒子群算法特征向量集并行效率集群环境数据处理核参数核函数数据块构建优化合并分类改进

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条