导读:本文包含了遗传支持向量机论文开题报告文献综述及选题提纲参考文献，主要关键词:遗传-支持向量机,对置活塞二冲程柴油机,气口高度,转速
遗传支持向量机论文文献综述
鲁雪田,张付军,章振宇,刘宇航[1]（2019）在《基于遗传-支持向量机的对置活塞二冲程柴油机气口高度优化》一文中研究指出以某对置活塞二冲程柴油机为研究对象,基于一维仿真模型,利用遗传-支持向量机的方法 ,以油耗为优化目标,进行不同转速工况下进排气口高度组合的自动化寻优。结果表明:在1200r/min下,优化的进、排气口无量纲化高度组合为[0.075,0.105],所得最小油耗为220.32g/(kW·h);对置活塞二冲程柴油机的气口最优高度应随着转速的提高逐渐增大;且在高转速(大于1 600r/min)下,排气口最优高度增加趋势更加明显。(本文来源于《航空动力学报》期刊2019年11期）
郭浩然,李泽滔[2]（2019）在《遗传算法优化支持向量机的光伏阵列故障诊断研究》一文中研究指出研究了支持向量机(SVM)方法在光伏阵列故障诊断上的运用,对光伏阵列的输出特性以及故障类型进行了分析总结。支持向量机由于存在惩罚因子系数与核函数系数,在选用径向基核函数后通过遗传算法对其参数进行寻优,通过M atlab仿真实验得到数据,利用寻优后的参数建立模型训练与验证。研究结果表明:支持向量机使用通过遗传算法优化得到的参数在光伏阵列故障诊断上有较高的准确度。(本文来源于《智能计算机与应用》期刊2019年05期）
张沫,郑慧峰,倪豪,王月兵,郭成成[3]（2019）在《基于遗传算法优化支持向量机的超声图像缺陷分类》一文中研究指出超声图像缺陷在分类时由于存在样本数量少、样本类别多、不易区分等问题,分类的准确率较低。针对这些问题,提出了基于遗传算法优化支持向量机的超声图像缺陷分类方法。该方法首先通过图像处理提取超声图像缺陷的特征数据,然后训练支持向量机作为超声图像缺陷分类器,最后采用遗传算法优化参数求得最优的分类器。实验结果表明,提出的超声图像缺陷分类器在识别率方面优于其他方法的分类器,综合识别率达到了90%,可以有效地辅助工作人员对超声图像缺陷进行分类识别。(本文来源于《计量学报》期刊2019年05期）
满春涛,刘博,曹永成[4]（2019）在《粒子群与遗传算法优化支持向量机的应用》一文中研究指出为了提高参数优化精度,研究将粒子群算法与支持向量机相结合,建立基于粒子群算法的支持向量机复杂过程系统稳态模型。在此基础上,为解决粒子群算法容易出现早熟收敛、搜索精度不高、在迭代的后期效率低、容易陷入局部极优点等问题,提出了引入遗传算法的改进粒子群算法。通过利用改进后的粒子群算法对支持向量机参数进行优化,并应用到青霉素发酵这一复杂工业系统。仿真结果表明,改进算法提高了工业产量,实现了对系统结果的优化。(本文来源于《哈尔滨理工大学学报》期刊2019年03期）
张昭杰,方石[5]（2019）在《基于遗传算法优化的支持向量机在岩性识别中的应用》一文中研究指出为提高测井岩性识别的精度,本文结合乌夏地区岩芯资料和测井数据,总结该地区砂砾岩测井响应特征,优选出声波、自然伽马、密度、中子孔隙度和电阻率等5条测井曲线参数作为训练和测试样本,通过遗传算法挑选出最佳的支持向量机核函数参数σ和惩罚因子C,建立支持向量机岩性识别模型。结果表明该模型实际数据预测总体符合率为81. 6%,在识别准确率上与传统测井识别砂砾岩岩性方法相比都有明显提升。(本文来源于《世界地质》期刊2019年02期）
朱超岩,姚晓东[6]（2019）在《基于遗传算法优化的支持向量机在变压器故障诊断中应用》一文中研究指出变压器作为电力传输过程中的核心设备之一,它的运行状况在很大程度上决定了电网的运行状况。能否准确诊断变压器的故障类型对电网的安全稳定运行至关重要,因此,有必要对变压器的运行状态进行监控。由于传统的叁比值法在诊断速率和准确性方面存在缺陷,因此,提出一种遗传算法优化支持向量机的模型诊断方法。支持向量机能够在训练样本较小的情况下,避免过学习现象,使泛化能力最大化。对于支持向量机无法自适应选择参数的问题,遗传算法具有全局搜索的特性,能够优化支持向量机的参数,以获得支持向量机的最优参数。应用此方法对变压器的故障诊断进行了研究,使其分类结果的正确率得到提高。(本文来源于《仪表技术》期刊2019年03期）
张扬,赵治栋,叶海慧[7]（2019）在《基于遗传算法和最小二乘支持向量机的胎儿状态智能评估》一文中研究指出胎心宫缩图是一种临床常用的评估胎儿健康状况的电子监护技术,具有易受主观因素影响导致诊断率较低的缺点。为降低误诊率,辅助医生做出准确的医疗决策,本文提出了一种基于胎心率信号分析胎儿状态的智能评估方法。首先,本文将来自捷克技术大学—布尔诺大学医院公开数据库的信号进行预处理后,对其中的胎心率信号进行多模态特征提取,然后利用设计的基于k—最近邻遗传算法选择最优特征子集,最后采用最小二乘支持向量机法对其分类。实验结果显示,利用本文提出的方法对胎儿状态进行分类,其准确度可达91%,灵敏度为89%,特异度为94%,质量指标为92%,受试者工作特征曲线下面积为92%,具有较好的分类性能,可辅助临床医生对胎儿状态做出有效评估。(本文来源于《生物医学工程学杂志》期刊2019年01期）
董华珍,潘文林,王翠,和丽华,杨建香[8]（2019）在《基于免疫遗传优化支持向量机的普米语孤立词语谱图分类》一文中研究指出基于免疫遗传优化支持向量机的普米语孤立词语谱图分类方法,首先利用短时傅里叶变(STFT)生成普米语孤立词语谱图;其次,提取普米语孤立词语谱图的二值特征;最后,利用免疫遗传优化支持向量机实现语谱图的分类.实验结果表明:普米语孤立词语谱图分类预测准确率为88%～91%.基于免疫遗传优化支持向量机的语谱图分类比基于语音信号分类效果更好.(本文来源于《云南民族大学学报(自然科学版)》期刊2019年01期）
熊浩,韩印[9]（2019）在《基于遗传算法——支持向量机模型的快速公交行程时间算法研究》一文中研究指出为提高快速公交到站时间预测的准确性,提出应用以遗传算法参数寻优的支持向量机方法。将公交行程时间分为行驶时间和站台时间,用遗传算法训练参数,用支持向量机(SVM)进行学习和预测。利用上海某中运量公交线路11月的3天调查数据训练支持向量机模型,用另一天的数据进行验证。实验表明,基于遗传算法参数寻优的支持向量机模型跟实际更加匹配。(本文来源于《物流科技》期刊2019年01期）
周世香[10]（2019）在《基于遗传算法优化支持向量机的汽车销量预测》一文中研究指出采用LS-SVM对汽车销量进行回归预测,综合分析汽车销量、投诉率、淡季旺季等影响因素,并采用双线性网格搜索法和遗传算法优化核函数,通过粗选和精选,确定LS-SVM预测模型的全局最优参数c和g,比较两种寻优方法建立预测模型的预测结果。(本文来源于《经营与管理》期刊2019年01期）
遗传支持向量机论文开题报告
（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：
研究了支持向量机(SVM)方法在光伏阵列故障诊断上的运用,对光伏阵列的输出特性以及故障类型进行了分析总结。支持向量机由于存在惩罚因子系数与核函数系数,在选用径向基核函数后通过遗传算法对其参数进行寻优,通过M atlab仿真实验得到数据,利用寻优后的参数建立模型训练与验证。研究结果表明:支持向量机使用通过遗传算法优化得到的参数在光伏阵列故障诊断上有较高的准确度。
（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。
遗传支持向量机论文参考文献
[1].鲁雪田,张付军,章振宇,刘宇航.基于遗传-支持向量机的对置活塞二冲程柴油机气口高度优化[J].航空动力学报.2019
[2].郭浩然,李泽滔.遗传算法优化支持向量机的光伏阵列故障诊断研究[J].智能计算机与应用.2019
[3].张沫,郑慧峰,倪豪,王月兵,郭成成.基于遗传算法优化支持向量机的超声图像缺陷分类[J].计量学报.2019
[4].满春涛,刘博,曹永成.粒子群与遗传算法优化支持向量机的应用[J].哈尔滨理工大学学报.2019
[5].张昭杰,方石.基于遗传算法优化的支持向量机在岩性识别中的应用[J].世界地质.2019
[6].朱超岩,姚晓东.基于遗传算法优化的支持向量机在变压器故障诊断中应用[J].仪表技术.2019
[7].张扬,赵治栋,叶海慧.基于遗传算法和最小二乘支持向量机的胎儿状态智能评估[J].生物医学工程学杂志.2019
[8].董华珍,潘文林,王翠,和丽华,杨建香.基于免疫遗传优化支持向量机的普米语孤立词语谱图分类[J].云南民族大学学报(自然科学版).2019
[9].熊浩,韩印.基于遗传算法——支持向量机模型的快速公交行程时间算法研究[J].物流科技.2019
[10].周世香.基于遗传算法优化支持向量机的汽车销量预测[J].经营与管理.2019
标签：遗传-支持向量机; 对置活塞二冲程柴油机; 气口高度; 转速;