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。     

基于最小二乘支持向量机的轴承故障诊断研究

针对神经网络在轴承工作状态诊断中存在的问题,提出了将最小二乘支持向量机用于轴承的智能诊断。基于轴承故障信息,用最小二乘支持向量机方法建立多类故障分类器,以实现对故障的诊断。仿真证明:小样本情形下,最小二乘支持向量机比神经网络具有更好的识别和诊断准确率。     

SVR算法在太阳黑子活动预测上的应用

支持向量机(SVM)是建立在统计学习理论基础上的一种通用的研究机器学习规律的方法。它具有很强的学习能力和泛化能力,可以有效地处理分类,回归等问题。SVM在处理非线性问题时,通过使用一个核函数来解决复杂计算问题。最小二乘支持向量机(LS_SVM)是SVM的一种改进,它提高了求解问题的速度和收敛精度。本文以太阳黑子为数据集,基于LS_SVM工具,使用了支持向量回归算法(SVR),实现了太阳黑子活动的预测。     

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。     

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。     

SVM增量学习算法研究

支持向量机（support vector machine）是一种建立在结构风险最小化原则基础上的全新机器学习方法,具有很强的学习能力和泛化性能,能够较好地解决小样本、高维数、非线性、局部极小等实际问题。虽然支持向量机较其它学习方法在很多方面都具有难以比拟的优越性,但是作为一种新型的技术,支持向量机目前仍然具有一些局限性,尤其是它在支持增量式学习方面还不够好,所以对向量机进行增量学习有着一定的必要性。一方面,由于使用者在训练初期对问题理解的局限性以及问题的高度复杂性,一般很难精确地定义所要的完整的训练集;另一方面,要在初期就收集一个非常完整的训练集是非常困难甚至是难以实现的。本文基于以上的思想对支持向量机增量学习进行研究,通过对原有算法的研究找到一个新的支持向量机增量学习算法。     

基于最小二乘支持向量机的非线性广义预测控制

为了解决目前常用的非线性预测模型算法中过学习、存在局部极小值等不易解决的问题，本文提出一种基于最小二乘支持向量机对非线性过程建模并用广义预测控制进行在线滚动控制的算法。仿真结果表明，该控制算法具有很好的控制性能。     

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。     

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PMML的电子商务数据挖掘研究

随着互联网技术的发展,电子商务进入了海量数据时代,从这些海量数据里挖掘出有用的模式具有非常高的商业价值。常规的数据挖掘模型会依赖于特定的数据挖掘平台,而目前的数据挖掘平台并不能做到随时随地跨平台交换数据挖掘模型。文章提出基于PMML的电子商务数据挖掘方法,只要数据挖掘平台兼容了PMML规范就可以真正做到跨台平交换数据挖掘模型。文章重点研究了PMML语言是如何表示完整数据挖掘模型,并就某电商平台挖掘潜在客户的数据进行实验并分析实验结果,从而验证了方案的有效性。     

基于领域本体和语义相似度的数据挖掘模型

数据挖掘已成为情报学的研究热点,而传统的数据挖掘过程是在数据仓库的基础上,面向结构化的数据进行分析,这在很大程度上限制了数据挖掘的作用范围和效果。在充分分析数据挖掘和领域本体等相关理论后,提出了一个面向领域本体,应用语义相似度匹配的数据挖掘模型。该模型在理论上解决了用户的目标发现和挖掘对象选择的问题,同时也在数据挖掘算法上引入了本体概念,使得系统能快速识别用户需求,高效的选择相应算法,在很大程度上提高了数据挖掘处理异构、分布式数据的能力。     

Web数据挖掘技术在数字图书馆中的应用研究

随着信息技术的高速发展,人们积累的数据量也急剧增加,Web数据挖掘技术作为处理数据的专项技术,其优越性能在许多领域都有所体现。针对Web数据挖掘技术在数字图书馆中的应用进行研究,分别从web数据挖掘的难点、XML在Web数据挖掘中的应用以及web数据挖掘技术在数字图书馆个性化服务中的应用三个方面展开分析,以促进web数据挖掘技术的不断完善,使它能够为数字图书馆提供更好的服务。     

LS-SVM和BP算法在逆模型控制中的对比研究

最小二乘支持向量机（least squares support vector machine,LS—SVM）具有很好的非线形逼近能力和泛化能力,通过研究逆模型存在的条件,提出了基于LS—SVM的逆模型辨识方法。仿真结果表明基于LS—SVM的逆模型辨识方法在处理非线性对象时,辨识精度、辨识速度、泛化能力都要强于BP算法。     

Web挖掘应用研究

随着互联网的广泛应用,利用数据挖掘技术对Web中的信息进行深度分析成为研究的热点。本文在对国内外Web挖掘应用最新成果研究的基础上,从个人和企业的实际应用出发介绍数据挖掘技术在Web中的各种应用,并以电子商务网站的Web挖掘为实例,详细介绍了如何在Web中利用数据挖掘技术获取企业或个人所需的信息。     

档案数据挖掘中数据采集与准备问题浅析

数据挖掘技术可以帮助人们在海量的信息资源中提取隐含的、潜在的、有价值的信息,因此已经被引入到了处理爆炸式增长的档案信息资源中。而待挖掘的信息是否完整、规范直接关系到之后的挖掘质量。本文根据档案信息资源的现状以及档案数据的特性,在给出执行具体挖掘操作前的数据采集和数据预处理各个环节的概念描述的基础上,探讨各个环节的注意事项及具体实现方法。     

数据立方体上的约束关联规则挖掘

数据挖掘作为一项从海量数据中提取知识的信息技术引起了国内外学术界和产业界的广泛关注,基于数据仓库的联机分析挖掘系统的应用已成为数据挖掘技术的发展趋势,本文结合联机分析挖掘的思想和基于目标属性关联规则挖掘算法,提出并构建了数据立方体上的基于约束的关联规则挖掘算法。最后的算例证明了该算法的有效性。     

基于移动代理的数据挖掘在数字图书馆中的应用研究

数字图书馆信息具有海量性和分布性的特点,数据挖掘技术可以有效地处理数字图书馆海量数据,但现有的数字图书馆数据挖掘平台不能充分应对信息分布性的挑战.将移动代理和数据挖掘结合则可以较好地满足数字图书馆信息挖掘的要求.实验证明,基于移动代理的数据挖掘平台克服了传统网络计算模式的缺陷,能有效地完成对数字图书馆海量、分散数据源和知识源的挖掘.     

决策树方法在药物选择模型中的应用

近年来,数据挖掘在IT行业备受关注。数据挖掘技术解决了目前数据贫乏的问题,它通过分析,从大量的、杂乱无章的数据中提取出有价值的信息,这些信息可用于解决如医疗诊断、风险评估等决策问题。决策树方法是数据挖掘中的一个重要内容,文章通过决策树在药物选择中的应用来阐述决策树的构建过程。     

数据挖掘技术在远程教育中的应用

数据挖掘技术在国外的大型商业、金融业、保险业、民航等大型企业得到了广泛应用。国内目前总体上处于理论探讨、应用试验阶段。以人力资源开发为出发点，本文拟从现代远程教育的角度，谈谈数据挖掘技术的应用，最后指出数据挖掘技术成功应用的关键编程语言是XML。