宁夏回族自治区自然科学基金(NZ0823)
- 作品数：7 被引量：54H指数：4
- 相关作者：马文涛杨绍华孔亮潘晨牛万红更多>>
- 相关机构：宁夏大学青岛理工大学中国计量学院更多>>
- 发文基金：宁夏回族自治区自然科学基金教育部“新世纪优秀人才支持计划”国家自然科学基金更多>>
- 相关领域：建筑科学矿业工程自动化与计算机技术更多>>
- 进化-最小二乘支持向量机的边坡稳定性估计被引量：5
- 2009年
- 针对最小二乘支持向量机的参数选择问题,用遗传算法来搜索最小二乘支持向量机的相关参数,避免了人工搜索参数的盲目性,提高了模型的推广性能。根据大量的实际边坡工程数据,建立了基于进化-最小二乘支持向量机的边坡稳定性模型,并将其应用于估计丁家河磷矿自然边坡稳定状况。计算结果与工程实际情况一致,表明了该方法的有效性和合理性。
- 马文涛孔亮
- 关键词：边坡稳定最小二乘支持向量机遗传算法参数选择
- 基于小波变换和非负矩阵分解的人脸识别改进方法
- 2010年
- 针对NMF在识别人脸图像特征时分解速度慢,基空间不适应欧氏距离度量的缺点,提出了一种基于小波变换和非负矩阵基矩阵正交化的人脸识别方法.利用小波变换对人脸图像进行变换,选择LL分量既能抽取到人脸的实质特征又能有效减小数据维数,降低NMF分解的复杂性.同时对NMF的基矩阵实施正交化变换,在得到的正交基上进行投影.实验结果表明,该方法对光照变化、表情变化和部分遮罩不敏感,识别性能明显提高.
- 杨绍华牛万红潘晨
- 关键词：人脸识别小波变换非负矩阵分解
- 基于小波变换和2DPCA的人脸识别关键问题分析被引量：1
- 2010年
- 利用小波变换结合PCA算法可以有效地识别人脸,但是算法性能依赖于一些关键参数的选择和调整,比如:人脸特征方向、主分量数、小波基函数和分解层数等.本文结合在ORL数据集上的计算机仿真实验,提出了解决上述问题的具体策略和经验规则.
- 杨绍华
- 关键词：人脸识别小波变换特征方向小波函数
- 基于WT与GALSSVM的瓦斯涌出量预测被引量：6
- 2009年
- 为了准确预测工作面瓦斯涌出量,加强煤矿安全生产,基于小波变换(WT)和进化最小二乘支持向量机(GALSSVM),建立了瓦斯涌出量的新型预测模型.首先,通过小波分解将瓦斯涌出量时间序列分解成具有不同频率特征的信号;然后利用互信息法和伪近邻法得到的时间延迟和嵌入维数对各信号进行相空间重构;之后根据各个相空间的特点建立相应的GALSSVM预测模型;最后把各信号的预测结果进行小波重构,作为最终的瓦斯涌出量的预测结果.以晋城市成庄矿2315综放工作面瓦斯涌出量为例,进行了预测研究.实例表明,该方法具有很高的预测精度和较强的泛化能力.
- 马文涛
- 关键词：瓦斯涌出量小波变换相空间重构最小二乘支持向量机
- 基于灰色最小二乘支持向量机的边坡位移预测被引量：26
- 2010年
- 利用边坡实测位移序列预测边坡未来时间的位移,可以有效地判断边坡的稳定性。在分析了灰色预测方法和最小二乘支持向量机各自的优缺点的基础上,提出了将二者相结合的一种新的预测模型——灰色最小二乘支持向量机预测模型。新模型既发挥了灰色预测方法中"累加生成"的优点,弱化了原始序列中随机扰动因素的影响,增强了数据的规律性,又充分利用了最小二乘支持向量机求解速度快、易于描述非线性关系的优良特性,避免了灰色预测方法及模型存在的理论缺陷。同时,采用遗传算法进行了模型的参数优化,通过2个工程实例说明灰色最小二乘支持向量机模型预测边坡位移的有效性,具有较高的精度。
- 马文涛
- 关键词：边坡位移最小二乘支持向量机遗传算法时间序列
- 基于相空间重构与GA-LSSVM的瓦斯涌出量预测
- 2009年
- 将相空间重构与进化最小二乘支持向量机(GA-LSSVM)相结合,建立瓦斯涌出量预测模型。根据Takens理论,重构瓦斯涌出量时间序列相空间,分别采用互信息法和伪近邻点确定延迟时间和嵌入维数;然后在相空间中,运用最小二乘支持向量机(LSSVM)建立预测模型,并采用遗传算法(GA)优化模型参数。最后,以晋城市成庄矿2315综放工作面瓦斯涌出量为例,进行了预测研究。计算结果表明,模型具有较高的精度,是科学可行的。
- 马文涛黄凌霄
- 关键词：瓦斯涌出量相空间重构最小二乘支持向量机延迟时间
- 基于小波变换和GALSSVM的边坡位移预测被引量：16
- 2009年
- 边坡变形是一个受多种因素综合作用的复杂非线性动力学演化过程,用现有的物理模型来解决边坡变形的预测问题有很大难度。大量的研究工作表明,用实测的边坡位移时间序列来预测边坡未来变形更为准确,而将多种方法组合起来进行预测成为研究的主要趋势。在此基础上,建立了一种基于小波变换和进化最小二乘支持向量机(GALSSVM)的边坡位移预测模型。首先利用小波变换将边坡时间序列分解为低频分量和高频分量,然后利用互信息法和伪近邻法得到各分量的时间延迟和嵌入维数并进行相空间重构,再根据各个相空间的特点建立相应的GALSSVM预测模型,最后把各分量的预测结果进行小波重构,重构后的结果即为最终的边坡位移预测结果。对丹巴滑坡预测研究表明,这种新的预测模型具有较高的预测精度,可以应用于实际工程。
- 马文涛
- 关键词：时间序列小波变换相空间
