关联向量机及其在入侵检测中的应用探讨

介绍一种稀疏的贝叶斯学习算法——关联向量机(RVM)，它在再生核希尔伯特空间中学习，利用贝叶斯方法推理，推广能力好，与支持向量机相比不仅解更为稀疏而且不需要调整超参数。应用RVM的对小样本的良好分类能力，提出一种基于RVM的入侵检测原型系统。     

基于回复电压法的ZnO压敏电阻冲击老化诊断

针对如何准确诊断ZnO压敏电阻老化的问题,提出了一种新的诊断方法——回复电压法,通过对ZnO压敏电阻试样进行不同程度的冲击老化试验,并采用多种诊断方法对试样在冲击前后的老化状态进行测量,发现回复电压法同传统的压敏电压以及放电残压变化率法所得的结论相吻合,且回复电压法的主要参数回复电压最大值以及中心时间常数在冲击后呈现下降趋势,这与SEM电镜扫描试验得出的压敏电阻晶粒平均尺寸下降,电导率上升的结论相一致,进一步证明了回复电压法诊断的及时有效性,这对提高ZnO压敏电阻的老化诊断准确度具有一定的参考价值。     

信息向量机、相关向量机和支持向量机在机载LiDAR点云数据分类中的应用

机载LiDAR点云数据分类技术是LiDAR数据后处理的关键步骤。信息向量机、相关向量机及支持向量机可以在LiDAR点云数据分类中发挥重要作用。本文将三种分类器应用到点云数据分类中,通过实验验证了它们在点云数据分类中的性能,总结了它们在点云数据分类任务中的应用潜力。     

进化多核相关向量机的大坝变形预测

针对大坝变形系统的非线性、复杂性以及不确定等特点,提出一种优化多核相关向量机的大坝变形预测模型方法。通过对实验数据进行归一化处理,核函数的加权组合以及遗传算法对模型参数的优化,建立遗传算法优化多核相关向量机的大坝变形预测模型。实验结果表明:数据归一化能归纳统一样本的统计分布性,加快梯度下降求解最优解速度和提高预测精度;优化的加权核函数能有效提高模型预测精度;各项精度指标值均优于BP神经网络方法、多项式核相关向量机方法预测精度,证实优化的多核相关向量机模型是一种精度较高的大坝变形预测方法。     

龙马溪组页岩数字岩心LSM-RVM数值建模方法研究及TOC含量影响分析

页岩气储层中含有大量有机碳（TOC）,其丰度与成熟度对页岩力学特性有重要影响.建立包含TOC的精细数值模型,将有助于探索页岩微结构与矿物组分含量对等效弹性模量的作用程度,是"甜点区"预测的重要理论基础.本文提出了一种离散数值建模方法,基于高精度成像技术,采用晶格弹簧-随机孔隙耦合模型（LSM-RVM）模拟包含多种矿物组分及不同成熟度干酪根的数字岩心,分析TOC成熟度及含量对弹性参数的影响.在该模型中,参数设置（数值阻尼与加载应变速率）至关重要,选取不当会对计算精度造成一定影响.研究结果表明,LSM-RVM能够生成符合TOC及多种矿物实际分布特征的数值模型,是一种精细数值建模方法.     

不同核函数RVM的冰凌检测能力比较

利用HJ-1A/1B卫星CCD数据进行黄河凌汛监测,提出了利用相关向量机的检测冰凌,并对比了不同核函数的冰凌检测效果。实验结果显示利用RVM和HJ-1A/1B卫星CCD数据能有效提取出黄河冰凌范围,RBF核函数的稳定性和精度要高于改进型RBF核函数,但改进型RBF核函数的相关向量的个数要明显少于RBF核函数,因此测试速度要高于RBF核函数。