“svm”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6287个，建议您升级VIP下载更多相关专利

[发明专利]逆系统方法在连铸水处理系统中控制溶解氧的方法-CN201610485323.3在审
发明人：杨成 -专利权人：上海二十冶建设有限公司
申请日： 2016-06-28 - 公布日： 2018-01-05 - 主分类号： G05B13/04 文献下载
摘要：将LS‑SVM逆模型复制,加在被控对象的前面,即为所要构造的LS‑SVM控制器。LS‑SVM控制器与被控对象构成一个LS‑SVM直接逆控制系统。本研究设计了一种具有PID补偿的LS‑SVM直接逆控制系统,以此克服逆模型辨识误差,实现对原非线性对象的有效控制。
系统方法水处理控制溶解氧

[发明专利]载客热点并行预测方法、系统、终端及计算机存储介质-CN202010857329.5在审
发明人：夏大文;郑永玲;白宇;蒋顺英;杨楠;李华青;高晓楠;冯夫健;严晓波;魏嘉银;张乾;梁燕军;王林 -专利权人：贵州民族大学
申请日： 2020-08-24 - 公布日： 2020-12-11 - 主分类号： G06Q30/02 文献下载
摘要：本发明公开了一种载客热点并行预测方法、系统、终端及计算机存储介质，方法包括：获取车辆的移动轨迹数据；对移动轨迹数据进行预处理，获得乘客热点数据；根据乘客热点数据构建并行GS‑SVM算法；基于RDD执行GS‑SVM算法，并输出预测结果；即获得移动轨迹数据预处理后获取乘客热点数据，进而构建并行GS‑SVM算法，再结合Spark下RDD实现并行GS‑SVM算法，利用GS‑SVM算法捕捉非线性信息的能力，输出预测结果，
载客热点并行预测方法系统终端计算机存储介质

[发明专利]基于SVM模型参数优化的多模态数据融合和分类方法-CN202010056089.9在审
发明人：曾向荣;刘衍;龙鑫;周典乐;孙博良;钟志伟 -专利权人：中国人民解放军国防科技大学
申请日： 2020-01-18 - 公布日： 2020-06-26 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于SVM模型参数优化的多模态数据融合和分类方法。采用多模态数据融合技术，把采集到的缺陷特征数据融合起来，用于后续的分类识别；然后，优化选择SVM模型子分类器权重系数，针对各个模态突出的差异信息不同，重点聚焦错分数据点，得到多模态加权组合的SVM分类器模型，接着利用混合函数SVM分类器对融合缺陷数据进行分类，最终得到分类结果。该方法仅需要小样本的训练集，选择的特征信息和支持向量各有侧重，重点聚焦错分数据点，得到多模态加权组合的SVM分类器模型，可以有效的增强分类性能，从而准确对缺陷分类。
基于 svm 模型参数优化多模态数据融合分类方法

[发明专利]基于PSO优化SVM的电厂耗煤基准值滚动预测方法和装置-CN201911053400.8在审
发明人：彭道刚;车权;李一琨;潘永旗;赵慧荣;李军;王丹豪;孔雯;黄雨薇;梁伟;李甫;朱琪;杨梦雪;李建芳;高义民;钟鸿舟 -专利权人：上海电力大学;国网重庆市电力公司;上海厚尚电力科技有限公司;上海千环智能科技有限公司
申请日： 2019-10-31 - 公布日： 2020-02-21 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于PSO优化SVM的电厂耗煤基准值滚动预测方法和装置，方法包括如下步骤：获取电厂日耗煤量数据作为输入数据；采用九点二次指数平滑法对输入数据进行滤波平滑处理；建立基于SVM的滚动更新预测模型；通过PSO算法对SVM模型进行参数优化得到PSO‑SVM模型；将步骤S2中平滑处理后的输入数据输入步骤S4中的PSO‑SVM模型进行耗煤基准值的滚动预测，获取预测结果。
基于 pso 优化 svm 电厂基准滚动预测方法装置

[发明专利]基于参数优化SVM算法的交联电缆局部放电模式识别方法-CN201510732891.4有效
发明人：胡晓黎;段玉兵;张皓;雍军;杨波;孙晓斌;孟海磊;刘嵘 -专利权人：山东电力研究院;国家电网公司
申请日： 2015-10-30 - 公布日： 2018-08-10 - 主分类号： G01R31/12 文献下载
摘要：本发明公开了一种基于参数优化SVM算法的交联电缆局部放电模式识别方法，为避免传统模式识别中神经网络收敛速度慢、过学习等不足或因支持向量机参数选择不当而导致识别精度低，在引入M‑ary分类理论将泛化及学习能力更强的SVM算法扩展为多类分类器的同时，利用改进遗传算法优化各子分类器的惩罚因子及核函数参数，从而构造出最优参数SVM分类模型。结果表明，以优化SVM作为分类器时各缺陷识别率均＞95％，且无论是否优化参数，SVM总体识别能力要优于RBF神经网络。
基于参数优化 svm 算法交联电缆局部放电模式识别方法

[发明专利]基于两层SVM学习机制的蛋白质结晶预测方法-CN201510047426.7有效
发明人：於东军;胡俊;何雪;李阳;沈红斌;杨静宇 -专利权人：南京理工大学
申请日： 2015-01-29 - 公布日： 2018-06-12 - 主分类号： G06F19/16 文献下载
摘要：本发明提供一种基于两层SVM学习机制的蛋白质结晶预测方法。从蛋白质序列信息中获取蛋白质的进化信息；再从序列信息、蛋白质进化信息、氨基酸物理化学属性等信息中抽取AAC、DiAAC、TriAAC、PseAAC、PsePSSM五种视角特征；然后，使用五种视角特征训练一个两层SVM预测模型(2L‑SVM)；然后，再使用2L‑SVM模型进行预测：(1)将得到的五种视角特征分别输入到2L‑SVM中所对应的第一层模型中，将得到五个概率输出输入2L‑SVM的第二层预测模型中得到预测概率；该方法的优点在于：使用五种不同视角的特征，增加有效鉴别信息，提升模型的预测能力；而且使用2L‑SVM预测模型，有效的避免不同视角之间相互干扰导致的信息丢失，提高模型的预测精度。
视角特征预测两层蛋白质结晶蛋白质进化蛋白质序列信息物理化学属性阈值分割技术视角概率输出鉴别信息信息丢失序列信息预测模型预测能力最终决策第一层再使用氨基酸抽取概率

[发明专利]基于AR*-SVM混合建模的雾霾时间序列预测方法-CN201410837471.8在审
发明人：李卫民;张礼名;周扬;王盛;毛敏娟 -专利权人：上海大学
申请日： 2014-12-24 - 公布日： 2015-04-08 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于AR*-SVM混合建模的雾霾时间序列预测方法。本方法的操作步骤是：第一步，对雾霾时间序列流建立AR*模型；第二步，运用SVM模型对原始序列和从AR*模型中获得的新息序列进行AR*-SVM混合模型的建模；混合模型AR*-SVM是通过AR*和SVM模型分别来获取雾霾时间序列流的线性和非线性部分本发明提出把AR*类模型与SVM模型结合起来，通过这两类模型来捕捉时间序列流中隐含模式的不同方面，从而提高模型的拟合度，以提高雾霾序列的预测精度，试验也表明本发明的混合建模方法比单独运用这两种方法均有很好的结果
基于 ar svm 混合建模时间序列预测方法

[发明专利]支持向量机学习方法、装置、设备及计算机可读存储介质-CN201811457605.8在审
发明人：陈沅涛;王志;蔡烁;陈曦;张建明 -专利权人：长沙理工大学
申请日： 2018-11-30 - 公布日： 2019-01-11 - 主分类号： G06K9/62 文献下载
摘要：其中，方法包括计算原始样本集中各样本之间的特征空间距离，从中选择特征空间距离最大值和最小值对应的样本构成增量向量样本集中；利用增量向量样本集进行训练学习得到初始化SVM分类器；利用初始化SVM分类器从新增训练样本集中选择不符合KKT条件的支持向量样本，利用各支持向量样本和增量向量样本集对初始化SVM分类器进行训练学习，得到最终SVM分类器。本申请解决了传统支持向量机方法执行时间长、执行效率低的问题，在保证SVM具有好的泛化能力的基础上，大大的减少学习过程占用时间，有效地提升了SVM训练学习效率。
样本初始化向量计算机可读存储介质支持向量机特征空间训练学习支持向量样本集传统支持方法执行学习过程学习效率训练样本原始样本向量机有效地占用学习申请保证

[发明专利]采用SVM技术的政务处理系统-CN201710537142.5在审
发明人：田洪川 -专利权人：四川云物益邦科技有限公司
申请日： 2017-07-04 - 公布日： 2017-09-22 - 主分类号： G06Q10/10 文献下载
摘要：本发明公开了采用SVM技术的政务处理系统，包括输入各个部门办理政务的表格的输入模块；将各个部门办理政务的表格生成数据库并储存的数据库模块；对数据库中的所有选项进行SVM机器学习的SVM模块；储存SVM机器学习后生成的二分器的储存模块本发明采用SVM技术的政务处理系统，通过SVM机器学习发现极少使用，甚至不使用的表格上的选项，并将这些选项删除，从而达到精简政务的目的，降低了政务成本，提高了政务处理效率。
采用 svm 技术政务处理系统

[发明专利]一种基于磁链误差矢量法的SVM‑DTC电机控制算法-CN201710179311.2在审
发明人：昝鑫;王小梅;李振 -专利权人：西安交通大学
申请日： 2017-03-23 - 公布日： 2017-06-13 - 主分类号： H02P21/30 文献下载
摘要：本发明公开了一种基于磁链误差矢量法的SVM‑DTC电机控制算法，属于电机调速领域控制算法的研究。本发明是在基于空间矢量的直接转矩控制SVM‑DTC的基础上提出的一种简化的基于磁链误差矢量法的SVM‑DTC算法，主要针对原有的SVM‑DTC控制系统通过计算磁链误差来计算电压矢量的复杂性这一问题提出，在计算参考电压矢量时，本发明将磁链和转矩误差分别经过PI调节后直接获得了电压矢量的相角和幅值，省去了原有的SVM‑DTC中对磁链误差和电压分量计算模块，实现了SVM‑DTC的结构简单性，也可以提高控制系统快速性
一种基于误差矢量 svm dtc 电机控制算法

[发明专利]一种基于GA-SVM算法的互联网金融欺诈行为检测方法-CN202010820618.8在审
发明人：江远强;韩璐;李兰 -专利权人：百维金科（上海）信息科技有限公司
申请日： 2020-08-14 - 公布日： 2020-12-08 - 主分类号： G06Q40/02 文献下载
摘要：本发明公开了一种基于GA‑SVM算法的互联网金融欺诈行为检测方法，其包括以下步骤：首先通过从互联网平台后端采集贷款申请人的个人数据，并对这些数据进行预处理，分为训练集和测试集，在训练集上使用传统梯度下降法的SVM建立初始的SVM的互联网金融欺诈申请行为预测模型，并采用遗传算法(Genetic Algorithm，GA)对SVM模型的惩罚参数C和核参数σ进行自动化优化选择，建立训练集的GA‑SVM模型，将测试集数据代入模型验证模型的预测效果本发明建立的基于GA‑SVM的互联网金融欺诈行为检测方法，可以出色地实现对申请客户欺诈行为实时监控识别。
一种基于 ga svm 算法互联网金融欺诈行为检测方法

[发明专利]一种燃气调压设备的智能化故障诊断方法、系统、终端及存储介质-CN202010041640.2在审
发明人：王硙;刘瑶;李夏喜;吕淼;张明作;钱迪;王庆余 -专利权人：北京市燃气集团有限责任公司
申请日： 2020-01-15 - 公布日： 2020-06-16 - 主分类号： G06K9/62 文献下载
摘要：所述方法包括：获取已知故障类型的燃气调压设备故障数据特征向量，作为SVM的训练样利用训练样本对SVM算法进行训练，使用高斯径向基核函数K，建立SVM故障诊断分类模型；采用遗传算法对SVM故障诊断分类模型的参数C与g进行优化，建立优化的SVM故障诊断分类模型；利用优化的SVM故障诊断分类模型对燃气调压器进行故障诊断，得到故障类型；本申请构建了基于支持向量机的分类模型，对故障类型进行诊断，解决现有技术中存在的故障数据少
一种燃气调压设备智能化故障诊断方法系统终端存储介质

[发明专利]一种基于SVM模型的互联网文本气象灾害事件识别方法-CN202110980162.6在审
发明人：冯宇星;唐卫;张雪英;王慕华;崔磊;丰徳恩;李雁鹏;赵文强;王益鹏;朱旭凡;姜宝杰 -专利权人：中国气象局公共气象服务中心（国家预警信息发布中心）;南京大峡谷信息科技有限公司
申请日： 2021-08-25 - 公布日： 2021-12-07 - 主分类号： G06F40/289 文献下载
摘要：本发明涉及一种基于SVM模型的互联网文本气象灾害事件识别方法，该互联网气象灾害事件识别SVM模型通过构建第一触发词库、构建第一特征向量、构建最佳参数配置的气象灾害事件识别SVM分类器得到；进而通过该SVM模型，基于第一触发词库，识别目标文本中的第一触发词并构建相应的第一特征向量，并输入最佳参数配置的气象灾害事件识别SVM分类器，统计所有SVM分类器的输出结果，将其中次数最多的气象灾害事件作为目标文本所描述的气象灾害事件
一种基于 svm 模型互联网文本气象灾害事件识别方法

[发明专利]一种基于FA-SSA-SVM算法的煤层渗透率变化预测方法-CN202111228156.1在审
发明人：闫浩;张吉雄;时培涛;周楠;李猛 -专利权人：中国矿业大学
申请日： 2021-10-21 - 公布日： 2022-01-28 - 主分类号： G06F30/27 文献下载
摘要：本发明提出了一种基于FA‑SSA‑SVM算法的煤层渗透率变化预测方法，属于CO2封存领域。该方法是通过集成支持向量机SVM、麻雀搜索算法SSA、萤火虫算法FA构建新型混合智能模型，其中SVM用来探索煤储层渗透率变化与其影响变量之间的关系，SSA和FA用来优化SVM的超参数。利用FA扰动SSA，通过扰动SSA中的一般解与最优解，提高全局解的搜索性，获取SVM超参数的全局最优解，实现在高维空间非线性预测煤储层渗透率变化与其影响变量之间的关系。FA‑SSA‑SVM预测模型能够在考虑CO2封存过程各种复杂因素的基础上达到较好的预测效果，具有成本低廉、预测精度高、泛化能力强等优点。
一种基于 fa ssa svm 算法煤层渗透变化预测方法

[发明专利]基于结构化负荷特征图谱的非侵入式负荷辨识方法及系统-CN202210183198.6在审
发明人：武昕;郭一凡;李想 -专利权人：华北电力大学
申请日： 2022-02-28 - 公布日： 2022-03-25 - 主分类号： G06K9/62 文献下载
摘要：该方法包括对负荷的运行信号进行特征提取以及特征融合确定优化后的负荷属性集；根据优化后的负荷属性集和各负荷属性特征之间的信息熵冗余度确定各属性特征的权重；根据各属性特征的权重确定结构化负荷特征图谱；根据优化后的负荷属性集以及对应的负荷类别构建SVM负荷分类器，根据结构化负荷特征图谱优化SVM负荷分类器的参数，确定SVM负荷分类器误差集合；根据SVM负荷分类器误差集合确定负荷分类器个数，并构建组合SVM负荷分类器；采用组合SVM负荷分类器进行负荷辨识
基于结构负荷特征图谱侵入辨识方法系统