基于最小二乘支持向量机的数据挖掘应用研究

随着数据仓库技术、联机分析技术的发展。基于数据库的数据挖掘已成为一种重要的数据处理手段。最小二乘支持向量机作为一种新的机器学习方法。具有全局收敛性和良好的泛化能力。本文将其应用于数据挖掘的分类与预测研究。通过棱函数的选择及参数优化，并结合支持向量机、多层感知器神经网络模型及判别分析方法进行比较研究，证明最小二乘支持向量机作为一种有效的数据挖掘算法具有较高精度。     

基于PSO与LSSVR的坝体顺流向位移预测

顺流向位移是坝体形变监测中的重要指标。针对神经网络、支持向量机模型存在的局限性,提出基于粒子群优化与最小二乘支持向量回归的模型对顺流向位移进行预测。结合实地坝体数据,通过与神经网络、传统支持向量机等模型进行对比实验和分析,结果表明,该方法具有误差低、计算效率高等特点。     

基于偏最小二乘法和最小二乘支持向量机方法的熔融指数预测

熔融指数是高密度聚乙烯生产的主要质量指标,通过对生产数据建模实现对熔融指数的预测,为优化操作提供有力依据,从而提高产品的质量。利用偏最小二乘法提取影响熔融指数的主要因素作为最小二乘支持向量机的输入,克服了自变量间的多重相关性问题;同时也降低了最小二乘支持向量机的输入变量的维数。实验表明,利用偏最小二乘法方法和最小二乘支持向量机方法预测熔融指数精度远高于分别使用这两种方法。     

基于LS-SVM的中文文本情感分类

最小二乘支持向量机方法是将支持向量机约束条件中的不等式改为等式,从而将二次规划问题转换为求解简单的线性方程。本文应用最小二乘支持向量机对中文文本进行情感分类,最后通过仿真实验说明该方法的分类效果更优。     

基于渔夫捕鱼-最小二乘支持向量机的传感器节点定位的研究

为了提高无线传感器的定位精度,针对最小二乘支持向量机参数优化问题,提出了一种基于渔夫捕鱼优化-最小二乘支持向量机的传感器点定位方法。首先构建三维无线传感器定位模型的学习样本,然后采用最小二乘支持向量机构建三维节点定位模型,并采用渔夫捕鱼的行为来找到最优支持向量机参数。结果表明,本文算法能够有效地提高传感器节点的定位精度,降低定位误差,具有一定的实际应用价值。     

基于同伦正则化的最小二乘支持向量机

最小二乘支持向量机作为一种新颖的人工智能技术,已越来越广泛地运用于各个学科领域,其本质是一种正则化方法。近几年出现了一种新的正则化方法:同伦正则化,该方法已在多个方面得到了很好的应用。作者通过研究,将这种新的正则化方法应用于最小二乘支持向量机,建立了一种新的模型。该模型与最小二乘支持向量机相比,其最大的优点就是大大缩短了正则化参数的优化时间。     

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PCA改进的SOR-LS-SVM旅游流量预测模型

利用主成分分析法建立以主成分为输入变量而以入境旅游客流量为输出变量的超松弛最小二乘支持向量机预测模型.通过实例验证和比较,演示了基于主成分分析改进的超松弛最小二乘支持向量机入境旅游客流量预测模型有较好的预测效果和较高的推广价值.     

基于SOR-LS-SVM的公路旅游客流量组合预测模型

基于指数平滑、多元线性回归、灰色系统等目前常见的预测方法建立超松弛改进的最小二乘支持向量机算法的公路旅游客流量组合预测模型。通过实例验证和比较,展示了基于超松弛最小二乘支持向量机算法的公路交通旅游客流量组合预测模型具有较好的预测效果和较高的应用价值。     

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。     

改进的支持向量机算法及应用综述

支持向量机(SVM)是在统计学习的VC维理论和结构风险最小化原理基础上建立起来的机器学习方法,其训练算法本质上是一个二次规划的求解问题。首先简述了SVM的基本原理,然后对SVM改进算法进行了概括,如最小二乘支持向量机、模糊支持向量机和粒度支持向量机等。接着介绍了改进支持向量机的应用,最后对该领域存在的问题和发展趋势进行了展望。     

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。     

PSO-LSSVM的电力负荷预测研究

对影响电力负荷因素之间的非线性,有效提高电力负荷的预测精度,本文提出了一种最小二乘支持向量机(LSSVM)和粒子群优化技术(PSO)相结合的电力负荷预测方法。以历史负荷数据气象因素等作为输入,建立预测模型,对未来时刻电力负荷进行预测。该模型利用结构风险最小化原则代替传统的经验风险最小化,以充分挖掘原始数据的信息,并采用粒子群优化算法来优化最小二乘支持向量机的参数,旨在提高预测模型的训练预测精度。实际算例表明,使用PSO-LSSVM方法进行电力负荷预测,具有良好的可行性和有效性,与BP神经网络和LSSVM方法的预测结果相比,所提出的PSO-LSSVM模型预测平均误差仅为0.85%,具有更高的精度,适用于电力负荷预测。     

大型网络控制系统中入侵波动抑制模型仿真

大型网络控制系统的入侵波动具有多样性、复杂性和不确定性等特点,导致传统的基于自抗扰控制器的入侵波动抑制方法,无法有效实现大型网络控制系统中入侵波动的抑制,提出一种基于能量管理的入侵波动抑制方法,通过超平面对大型网络控制系统中的数据进行分离,融入拉格朗日乘子,将最小二乘支持向量机分类算法转化成二次规划问题,采用高斯径向基核函数塑造最小乘支持向量机分类模型,采用粒子群改进算法对最小二乘支持向量机参数进行确定。将入侵段能量管理波动抑制划分成纵向与横向两个部分,进行转弯操作,消耗大型网络控制系统入侵者的能量,将大型网络控制系统入侵者的方向对准方向校正柱面,从而实现入侵波动抑制操作。仿真实验结果验证了该方法的有效性。     

优化VMD在轴承故障诊断中的应用

针对早期轴承故障的振动信号特征匹配度低的问题,本文给出一种优化VMD在轴承故障诊断中的应用。首先通过优化VMD突出信号有效信息;然后提取出最佳分量的特征向量;最后将支持向量机作为分类算法,识别轴承的故障类型。实验结果表明,该方法避免了VMD参数选取的盲目性,能够有效诊断出轴承的早期故障。     

模拟电路故障诊断方法设计及虚拟维修过程

随着电子信息技术的发展,现在已经进入到了电子时代,电路的故障诊断越来越重要,本文在模拟电路故障特征和种类的基础上,简要的分析了模拟电路故障诊断的神经网络法和支持向量机法,结合模拟电路的实际情况,结合支持向量机法,对模拟电路故障诊断方法进行了设计,并阐述了虚拟维修过程。     

局部加权支持向量机在水处理系统中的应用

通过结合局部加权学习方法和在线滚动优化技术,对传统的支持向量机进行了改进并提出了一种局部加权最小二乘支持向量机在线学习算法。将其应用于水厂加药混凝沉淀系统的在线辨识和建模中,实验表明,该方法具有良好的在线学习能力。     

一种人脸图像识别算法的研究

针对人脸图像识别精度不高的缺点,本文将改进的Gabor,DLDA和最小二乘向量机进行融合了一种新的算法。在该算法中,首先通过Gabor中引入支持向量的字典学习算法,提高人脸信息,其次在DLDA中采用降低同类中距离偏大的样本之间的类内距离,去除了无用的样本,最后通过最小二乘向量机筛选出优良的样本。在仿真实验中与其他人脸识别算法进行对比,取得了比较好的识别效果。     

基于最小二乘支持向量机的油罐故障诊断方法

根据油罐故障分析,建立了油罐故障诊断模型。采用新型的支持向量机-最小二乘向量机(LS-SVM)的算法对此诊断模型进行预测,获得了满意的效果。该方法易于使用,很少受不确定性因素的影响,有很高的预测准确性。     

基于PCA改进的SOR-LS-SVM公路旅游客流量预测模型

影响公路交通旅游客流量的众多因素增加了预测模型中的输入变量复杂性,减少了模型运行速度和预测准确度。首先,采用主成分分析法对影响公路旅游客流量的指标进行分析得到了主成分即输入变量,然后建立以主成分为输入变量、以旅游客流量为输出变量的基于超松弛改进的最小二乘支持向量机预测模型。通过实际例子验证和比较,揭示了基于主成分分析法改进的超松弛的最小二乘支持向量机公路交通旅游客流量预测模型具有较好的预测精度和较高的应用前景。