导读:本文包含了柔性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:柔性直流系统,故障识别,小波多分辨分析,支持向量机
柔性支持向量机论文文献综述
和敬涵,罗易萍,罗国敏,张永杰[1]（2018）在《基于小波多分辨分析和支持向量机的柔性直流系统单端保护方案》一文中研究指出提出一种基于小波多分辨分析和支持向量机(support vector machine,SVM)的柔性直流系统单端保护方法,仅使用单端电流即可以准确区分区内、外故障,并识别直流故障类型。首先利用小波多分辨分析求得故障电流在各频带的能量百分比,构成输入特征向量;然后通过已有数据训练后的SVM模型区分并识别故障类型。结果表明,文中所提保护方法在柔性直流系统多种运行工况下均能对故障进行准确识别,且保护方法整定简单、无需数据同步和通信,具备较强的抗干扰能力。(本文来源于《电网技术》期刊2018年12期）
史荧中,曹建峰,邓赵红,蒋亦樟[2]（2017）在《面向数据流分类的柔性漂移支持向量机》一文中研究指出针对数据流分类,时间自适应支持向量机(Time Adaptive Support Vector Machine,TA-SVM)及其改进方法通过在核空间上协同求解多个子分类器而取得了较好的性能,其原理是在局部优化的同时兼顾全局优化,强制子分类器序列稳定地变化。然而在很多应用场景中,由于数据具有一定的随机性,难以确保概念模型以不变的节奏漂移,因而TA-SVM分类模型中应充分考虑子分类器序列的不稳定性。为了放松TA-SVM方法对子分类器序列的约束,使子分类器法向量、偏置量的变化具有更大的灵活性,提出了柔性漂移支持向量机(Flexible Drift Support Vector Machines,FD-SVM),在继承TA-SVM方法协同求解思想的基础上,灵活对待子分类器变化。实验结果表明,FD-SVM方法能有效提升对非静态数据的分类性能。(本文来源于《计算机工程与应用》期刊2017年23期）
李康婧[3]（2017）在《基于差分进化的支持向量机及其在柔性基板制造过程异常识别中的应用》一文中研究指出柔性基板(Flexible Integrated Circuit Substrate,FICS)技术,作为最重要的电子互连技术之一,由于其优越的性能而在各种电子产品中得到越来越广泛的应用。但是,作为一种高精密的产品,柔性基板的生产流程复杂、工艺精细,因此对生产制造过程有着很高的要求。随着柔性基板的精密化、高集成度发展,柔性基板的线路密度越来越大,精度越来越高,对生产过程的有效控制对于保证最终产品质量越来越重要。本文以柔性基板的制造过程为对象,研究支持向量机的分类方法及其在柔性基板制造过程异常模式识别中的应用,该研究对于及时发现制造过程中的异常,保证产品质量具有重要作用。本文主要研究内容如下:1.对生产过程中的控制图异常模式进行分析,总结了控制图异常模式的类型、识别方法以及评价方法。2.提出一种多策略差分进化算法,包括一种基于模糊逻辑推理的混合进化参数策略和一种种群规模自适应策略。该算法在提高差分进化算法性能的同时,通过参数适应性调整策略有效避免了参数恶性循环问题。3.将新型多策略差分进化算法应用于支持向量机模型中核参数和惩罚因子的参数寻优。在标准分类数据集上的对比实验,表明所提出的算法能够明显提高带高斯核的支持向量机模型的分类准确率和泛化能力。4.分析了高密度柔性基板制造过程的工艺特性,总结了在该制造过程中可能出现的缺陷数据类型及缺陷产生原因,并据此生成用于异常模式识别的仿真数据。运用所提出的基于多策略差分进化的支持向量机方法对高密度柔性基板制造过程的异常模式进行识别,从而快速对生产过程中的异常情况做出反应。(本文来源于《华南理工大学》期刊2017-04-20）
韩彦彬,白广忱,李晓颖,白斌[4]（2014）在《基于支持向量机柔性机构动态可靠性分析》一文中研究指出针对柔性机构可靠性分析中计算效率低和精度差的问题,提出一种柔性机构动态可靠性分析的支持向量机回归极值法。该方法利用蒙特卡洛法抽取柔性机构动态响应极值的小样本;基于这些样本和支持向量机回归理论,建立柔性机构动态响应极值的代理模型;使用该代理模型进行柔性机构动态响应可靠性分析。结合曲柄摇杆柔性机构实例,利用支持向量机回归极值法、蒙特卡罗法、人工神经网络代理模型和二次响应面代理模型方法,分别对连杆的变形和摇杆的摆角进行可靠性分析,通过对四种方法计算结果的比较,证明了支持向量机回归极值法在柔性机构动态可靠性分析中高效率和高精度,验证了支持向量机回归极值法在柔性机构动态可靠性分析的可行性和适用性。(本文来源于《机械工程学报》期刊2014年11期）
柔性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：
针对数据流分类,时间自适应支持向量机(Time Adaptive Support Vector Machine,TA-SVM)及其改进方法通过在核空间上协同求解多个子分类器而取得了较好的性能,其原理是在局部优化的同时兼顾全局优化,强制子分类器序列稳定地变化。然而在很多应用场景中,由于数据具有一定的随机性,难以确保概念模型以不变的节奏漂移,因而TA-SVM分类模型中应充分考虑子分类器序列的不稳定性。为了放松TA-SVM方法对子分类器序列的约束,使子分类器法向量、偏置量的变化具有更大的灵活性,提出了柔性漂移支持向量机(Flexible Drift Support Vector Machines,FD-SVM),在继承TA-SVM方法协同求解思想的基础上,灵活对待子分类器变化。实验结果表明,FD-SVM方法能有效提升对非静态数据的分类性能。
（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。
柔性支持向量机论文参考文献
[1].和敬涵,罗易萍,罗国敏,张永杰.基于小波多分辨分析和支持向量机的柔性直流系统单端保护方案[J].电网技术.2018
[2].史荧中,曹建峰,邓赵红,蒋亦樟.面向数据流分类的柔性漂移支持向量机[J].计算机工程与应用.2017
[3].李康婧.基于差分进化的支持向量机及其在柔性基板制造过程异常识别中的应用[D].华南理工大学.2017
[4].韩彦彬,白广忱,李晓颖,白斌.基于支持向量机柔性机构动态可靠性分析[J].机械工程学报.2014