基于自动向量机的酒店住户信息预测研究

针对日益增长的旅游用户对住宿酒店需求的不断增多,如何能够有效的预测酒店住户的信息,本文在自动向量机的基础上,将高斯多核概念结合自动向量机,形成了组合的多核向量机,通过人工鱼群算法来优化其(C,σ)参数,使得预测的精度得到提高。仿真实验中将本文算法与其他人工向量机算法进行对比,在酒店住户信息预测方面取得了比较好的效果。     

基于遗传算法参数优化的最小二乘支持向量机财务困境预测

传统支持向量机应用于财务困境预测时,需要求解复杂的二次规划问题,求解难度大。而最小二乘支持向量机模型可以将二次规划问题变成一个线性方程组来求解,有效降低了模型求解的难度。尤其是将遗传算法应用于最小二乘支持向量机模型参数和核参数的优化时,显著提高了模型预测的正确率。本文从沪深两市随机抽取了2002年-2007年252家A股上市公司作为研究样本,并把研究样本分为两组,对这两组样本数据分别进行了短期及中长期预测。实证结果表明,基于遗传算法的最小二乘支持向量机模型的预测效果不但好于传统统计类Logit模型,也优于传统支持向量机模型。短期预测效果显著优于中长期预测效果,训练样本数直接影响到模型的预测效果,二者呈正相关关系。     

基于支持向量机的miRNA预测方法研究

本文从miRNA及其前体的生物学特征出发,在对支持向量机理论及其应用特点进行研究的基础上,构建了基于支持向量机的miRNA预测过程模型,在miRNA特征的向量表示、miPNA特征选择、预测模型核函数及参数选择方面进行了研究.以水稻、拟南芥、玉米的miRNA为实例,对基于支持向量机的miRNA预测方法的预测准确率进行了验证,实验结果表明该方法预测准确率达95%以上.     

基于支持向量机的石油勘探预测

讨论了支持向量机中高斯核函数中参数σ对支持向量机学习预测性能的影响,指出高斯核函数具有描述样本相似程度这一性质,通过数值实验给出一种选择高斯核函数的方法——拐点法。然后针对石油地质勘探的实际问题,将支持向量机运用测井曲线预测储层参数,同时与反向传播神经网络函数逼近法预测进行比较,结果表明该方法预测精度高、方法稳定有效,支持向量机较好的解决了小样本测井勘探的实际问题。     

基于小波-回归支持向量机算法的风电场风速预测

将小波多分辨率分析特点和回归支持向量机算法良好的泛化性能相结合,建立小波-回归支持向量机风速预测模型。先将原始风速序列经小波分解成轮廓分量和细节分量,再对各分量分别应用支持向量机模型进行预测,最后将各分量的预测结果经小波重构得到原始风速序列的预测值。仿真表明该方法能够改善预测滞后现象以及减小突变点误差,从而提高模型的泛化性能和预测精度。     

回归支持向量机在财政预测中的应用

财政收支趋势预测具有重要应用价值.本文建立了财政收入回归支持向量机的时闻预测模型,并以贵州地方财政收入为例,对采集到的数据进行归一化处理后,分别采用RBF核函数和Linear核函数的支持向量机和时问序列模型对数据进行应用,以1980-2001年的数据为拟合数据,以2002-2007年的数据为预测数据,比较相对误差,得出采用径向量核函数的支持向量机回归预测的结果准确度高.     

基于混沌优化的支持向量机地下水位动态预测

地下水位动态受到自然因素和人为因素的影响,随机性明显,因此在地下水物理过程分析的基础上构建地下水位动态预测的随机性模型对地下水资源评价具有重要意义。本文将小样本机器学习理论——统计学习理论中的支持向量机理论引入地下水位动态预测。最小二乘支持向量机是支持向量机的一种,考虑到地下水位动态序列的长度和峰值突变性的特点,本文提出一种改进的支持向量机-峰值识别最小二乘支持向量机;并针对支持向量机算法存在的参数优化、训练和测试速度等问题,结合混沌优化方法,建立了基于混沌优化的峰值识别最小二乘支持向量机地下水位动态预测模型;最后本文以内蒙古河套灌区义长灌域1990年~2004年3个灌期(夏灌(4月~6月)、秋灌(7月~9月)和秋浇(10月~11月)降水量、平均气温、蒸发量、引水量、地下水开采量、地下水排泄量和地下水位埋深共15年45个样本资料为数据源,将该模型和原最小二乘支持向量机模型分别用于义长灌域地下水位动态预测。结果表明,该模型的拟合值、检验值和预测值与实际值复合的很好,拟合的平均相对误差绝对值为2.0868%,检验的平均相对误差绝对值为3.4777%,预测的平均相对误差绝对值为6.8589%,且训练和测试速度快,而原最小二乘支持向量机模型预测的平均相对误差绝对值为20.6767%。因此,该模型用于地下水位动态预测是可行和有效的。     

基于PCA&SVM的多品种小批量产品质量预测方法研究

将主成分分析与支持向量机结合应用到多品种小批量产品的质量预测。首先确定多品种小批量产品生产过程中的定量影响因素,并将其作为初始影响因素集;然后利用主成分分析方法降低因素集的维度,同时提取关键主成分;最后将关键主成分作为影响因素集并建立针对于多品种小批量生产的支持向量机质量等级预测模型。算例分析表明,与传统的支持向量机分类模型相比,主成分分析与支持向量机结合的模型预测准确率及稳定性均有显著提高,说明模型具有更好的预测性能。     

图灵奖得主识别与预测研究——基于多文献计量指标和支持向量机

国内外学者开展了若干借助文献计量指标来识别和预测重要科技奖项得主的研究与实践,但已有研究大多局限于对少数几项文献计量指标进行简单的计量统计,对问题的揭示不够全面和深入。利用支持向量机对图灵奖得主和非图灵奖得主的多项文献计量指标进行了分析,在两种不同情境下借助支持向量机对样本数据进行分类学习并进行识别与预测,发现利用文献计量指标建立的支持向量机模型对图灵奖得主具有很好的识别能力,但预测能力一般。     

基于PSO-SVR的多因素瓦斯浓度预测

为提高瓦斯浓度预测的准确性,针对影响瓦斯浓度的相关因素众多,且各因素之间呈现复杂非线性特征的问题,建立支持向量机回归模型,并采用粒子群优化算法对支持向量机回归模型的参数进行寻优,得到模型的最佳参数组合,最后采用某矿综采工作面瓦斯监测数据进行验证,预测结果表明:采用粒子群寻优算法建立的支持向量机回归模型可以提高瓦斯浓度的预测精度,预测结果的平均绝对误差为0.021。     

基于.NET的油库监控管理系统设计与实现

结合油库自动化建设的现状和需求,引入.NET的架构和体系,设计并实现了一个基于.NET平台的油库实时监控管理系统。提出了一种在.NET平台下三层架构模式多线程方式开发安全监控管理系统的思路和方法。介绍了系统的结构和功能,对系统后台数据库设计和实现中的关键技术进行了论述。     

基于构件技术的油库管理信息系统研究

以油库管理信息系统为原型,阐述了利用构件技术进行信息系统开发的过程。采用构件技术进行软件开发,降低了较长生命周期项目的开发风险,控制其复杂性,快速适应变化。     

集成学习方法在企业财务危机预警中的应用

以我国制造业上市公司为样本数据,用支持向量机作为基分类器的集成学习方法来预测企业的财务危机,通过具体实验分析可知:集成学习比单个基分类器的预测准确率提高了4个百分点,且稳定性更高,有效地提高了模型的预测精度,使得模型更具有准确性和应用性。基于支持向量机的集成学习方法在构建我国制造业上市公司财务危机预警模型上是有效的,且达到一定的财务危机预警效果。     

危机管理的政府决策支持系统研究

本文首先结合政府危机决策支持系统的特点和政府的客观实际情况,根据现代危机管理的思想,构造了政府危机决策支持系统的理想模型;详细设计了系统的功能和模块;通过网络的弹性架构和业务的梯次累加更好的实现政府危机决策支持系统。     

基于PCA改进的LS-SVM入境旅游客流量预测模型

影响入境旅游客流量的众多因素加大了预测模型输入变量的复杂化,限制了模型的运行速度和预测精确。首先,利用主成分分析对影响入境旅游客流量的众多指标进行综合分析得到主成分,然后建立以主成分为输入变量以入境旅游客流量为输出变量的最小二乘支持向量机预测模型。通过实例验证和比较,展示了基于主成分分析改进的最小二乘支持向量机入境旅游客流量预测模型具有较好的预测效果和较高的推广价值。     

关于支持向量回归机的模型选择

支持向量机是在统计学习理论基础上发展起来的一种新型的机器学习方法。模型选择是设计支持向量机的重要内容之一。本文在分析用于回归的支持向量机原理的基础上,分别从核函数的选择、模型参数的作用、模型参数的调整方法等模型选择方面进行了综述,并讨论了模型选择的优缺点,最后指出在实际应用中常见的核函数和模型参数调整方法。     

Pulse-line intersection method with unboxed artificial intelligence for hesitant pulse wave classification

State-of-the-art artificial intelligence (AI) methods are progressively strengthened in Traditional Chinese Medicine (TCM) pulse palpation, aiding physicians to make comprehensive preliminary clinical decisions through non-invasive diagnostics. One of the well-known proven examinations i.e., hesitant pulse wave diagnosis, is a sign that the blood circulation of a person is sluggish. This examination provides a preliminary diagnosis for physiological problems. Modern AI methods such as artificial neural networks achieve better performance than traditional methods; however, the final decision of such examination lacks of interpretability. In clinical situations, patients need an easy-to-understand diagnosis to be provided for selecting appropriate clinical treatment. Therefore, this study presents feature extraction and clinical decision support systems based on Pulse-Line Intersection (PLI) and eXplainability AI (XAI) methods. The pulses were recorded from 46 patients in six different measurement points for six seconds. In addition, a comparison of several AI methods was provided to classify hesitant and normal pulse. The contribution of each feature in the classification process was analyzed by unboxing each predictive intelligence model. The results revealed that all models performed comparably, evaluated using performance matric on the testing data with average F1-score of Logistic Regression, Support Vector Machine, Random Forest, XGBoost, Multi-Layer Perceptron, and Long Short-Term Memory were 0.74, 0.74, 0.74, 0.78, 0.73, and 0.80, respectively. This work suggests that modern AI methods can provide more comprehensive explainability and higher accuracy than traditional method rankings.     

Detection of COVID-19 using deep learning techniques and classification methods

Since the patient is not quarantined during the conclusion of the Polymerase Chain Reaction (PCR) test used in the diagnosis of COVID-19, the disease continues to spread. In this study, it was aimed to reduce the duration and amount of transmission of the disease by shortening the diagnosis time of COVID-19 patients with the use of Computed Tomography (CT). In addition, it is aimed to provide a decision support system to radiologists in the diagnosis of COVID-19. In this study, deep features were extracted with deep learning models such as ResNet-50, ResNet-101, AlexNet, Vgg-16, Vgg-19, GoogLeNet, SqueezeNet, Xception on 1345 CT images obtained from the radiography database of Siirt Education and Research Hospital. These deep features are given to classification methods such as Support Vector Machine (SVM), k Nearest Neighbor (kNN), Random Forest (RF), Decision Trees (DT), Naive Bayes (NB), and their performance is evaluated with test images. Accuracy value, F1-score and ROC curve were considered as success criteria. According to the data obtained as a result of the application, the best performance was obtained with ResNet-50 and SVM method. The accuracy was 96.296%, the F1-score was 95.868%, and the AUC value was 0.9821. The deep learning model and classification method examined in this study and found to be high performance can be used as an auxiliary decision support system by preventing unnecessary tests for COVID-19 disease.     

基于数据仓库的养老保险决策支持系统设计

针对传统数据库管理系统存在的数据分散、不统一、可分析能力低等缺点,提出了基于数据仓库和数据挖掘技术的养老保险决策支持系统模型,探讨了养老保险制度的影响因素,设计了数据仓库的逻辑模型,同时对决策支持系统的功能结构进行阐述,进而实现了辅助决策的功能.     

基于健康状态退化的设备可靠度预测模型

设备可靠度预测在设备的维修管理中扮演着重要的角色,有效的设备故障预测对降低设备维修费用、停机时间或运行风险都起到至关重要的作用。本文在分析设备状态数据的基础上,通过引入支持向量回归机,建立了基于退化数据的预测模型,并将该模型用于发动机可靠度的预测。