支持向量机在工程领域的应用研究

作为二十世纪九十年代中期发展起来的新技术,基于统计学习的支持向量机理论得到了长足的发展,在工程应用中也显示了巨大的实用价值。因此,研究支持向量机算法及其工程应用具有很强的实际意义。 首先,本文介绍了支持向量机的基本知识和典型算法,以及当前面临的问题和发展方向等。同时,还深入分析了一种典型的支持向量分类机原理,为支持向量机的分类应用提供了指导。 接着,针对传统支持向量机参数选择过程中计算量大、参数多时难以获得最优参数的问题,提出了一种基于混沌粒子群算法的支持向量机的参数优化算法,并在此基础上建立了基于一类支持向量机的异常检测,对移动机器人传感器时序序列进行异常检测仿真,取得了较好效果。 随后,针对手机垃圾短信日益严重这一问题,提出一种基于支持向量分类机的垃圾短信判断模型,从技术上实现了对短信内容的实时监控判别。仿真结果表明,该判别模型判别精度高,能较好地满足垃圾短信判别对精度和实时性的要求。 最后,针对金属塑性成形过程中摩擦系数较难确定的客观情况,提出一种基于支持向量机的摩擦系数预测方法,将支持向量机的回归应用到金属加工领域。建立了有关金属塑性成形中润滑油、模具表面粗糙度、滑动速度、金属材料表面粗糙度和摩擦系数的支持向量机预测模型,解决了金属塑性成形过程中摩擦系数难以预测的实际问题。