支持向量机在股票分析中的应用

支持向量机（SVM）是机器学习领域的一个新方法。本文用支持向量机对A股市场部分股票进行分类。实验结果表明：换手率,内外比、量比以及振幅等对当日股价具有直接的影响;用支持向量机来研究证券市场的行为具有一定的应用价值。     

支持向量机在植物分类中的应用

提出了基于支持向量机的分类原理对鸢尾属植物进行分类的方法。支持向量机是在统计学习理论基础上提出的一种新型的通用学习方法,主要应用于数据的分类和回归估计,而植物分类的主要依据是植物的外观特征。通过提取植物的特征数据和使用支持向量机算法获得实验结果,实验结果表明,采用支持向量机对植物分类是可行的。     

基于粗糙集约简并加权的SVM分类算法

针对Web中文文本分类中现有权重计算方法的不足和支持向量机算法对大数据量模式分类的低效性,提出了基于粗糙集约简并且加权的支持向量机分类方法;粗糙集作为支持向量机分类的前期预处理器,应用粗糙集的约简理论和基于Web中文文本的可变精度粗糙集加权方法对分类前的数据分别进行简化并计算权重,从而提高支持向量机后期分类的效率和精度;实验结果表明,支持向量机对约简并加权后的数据进行分类,分类性能得到了进一步保证。     

支持向量机理论探讨

支持向量机在有两类的分类问题中有很好的应用,研究支持向量机的理论,并讨论了取代铰链损失函数的支持向量机,并考虑核逻辑回归模型,表明了核逻辑回归模型在执行两类分类支持向量机中的作用。此外,还利用核逻辑回归模型提供了一个基础概率的估计。     

基于潜在语义分析和HS-SVM的文本分类模型研究

为了提高文本分类的准确性和效率,提出了一种基于潜在语义分析和超球支持向量机的文本分类模型.针对SVM对大规模文本分类时收敛速度较慢这一缺点,本文将超球支持向量机应用于文本分类,采用基于增量学习的超球支持向量机分类学习算法进行训练和分类.实验结果表明,超球支持向量机是一种解决SVM问题的有效方法,在文本分类应用中具有与SVM相当的精度,但是明显降低了模型复杂度和训练时间.     

基于支持向量机的网页分类研究

探讨了网页的文本分类,阐明了多层文本的概念,分析了支持向量机的数学模型及基于支持向量机的层次文本分类算法,提出了基于支持向量机的网页分类方法流程,指出了进一步研究的要点。     

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。     

基于深层数据分类高校就业率计算优化模型

在高校就业率统计过程中,需要利用支持向量机方法进行统计.由于这种统计方法计算复杂度比较高,运算时间比较长,造成高校就业率统计的效率较低.为此,本文提出了一种基于支持向量机优化算法的高校就业率统计方法.对高校就业样本进行分类处理,并将分类的结果进行统计.实验结果表明,这种算法能够有效提高高校就业率统计的效率,取得了令人满意的效果.     

基于支持向量机的外贸企业客户分类方法应用研究

本文综合了销售量和净现值两个方面作为客户价值分类技术指标，将支持向量机用于外贸公司的客户类别的识别，同时采用了支持向量机模型中的一些核函数对样本进行学习分类，对它们的分类结果进行了比较。实证分析表明：分类指标的确定是有效的；支持向量机采用参数为1时的径向基核函数具有较好的分类效果，分类结果精度、召回率、F-measure分别达到0．85、0．8、0．83。     

一种基于支持向量机回归的推荐算法

随着电子商务的迅速发展，推荐系统与算法已经成为理论研究的热点。支持向量机是一种强大的分类工具，由其衍生出的支持向量机回归方法能很好地解决非线性回归问题。文中以电影推荐为例，引入支持向量机回归方法来分析项目的内容，构建用户模型，进而给出推荐。实验结果和理论分析表明这种推荐算法与传统协同过滤算法相比，能够明显提高推荐精度，并显著缩短了推荐所需时间；在大样本量情况下也能同样高效。     

支持向量机理论研究

如何解决分类问题和回归问题是支持向量机算法的基本内容。本文研究了使用支持向量机算法解决线性和非线性分类问题和回归问题的原理和方法。     

改进的支持向量机的DNA序列分类方法

针对传统的支持向量机在分类中不能够逼近任意的分类界面,而造成分类精度低的问题,本文在传统的支持向量机核函数基础上,提出了一种基于遗传算法优化的支持向量机结构模型,并将该方法应用在DNA序列分类上。实验结果表明了本文算法在同等条件下要比传统的SVM分类方法具有更加优越的特征提取性能。     

基于支持向量机的电信客户欠费评估

应用基于风险最小化原理的支持向量机,研究了电信客户欠费分类问题,并与K-均值聚类法、三层人工神经网络进行对比研究,发现支持向量机分类正确率平均为95.48%,K-均值聚类法为83.87%,三层BP人工神经网络为89.80%.结果表明支持向量机能够更好的反映电信客户欠费分类,是一种研究电信客户欠费分类问题的有效方法。     

基于层次分类器的专利文本分类模型研究

[研究目的]为提高人工分类效率,降低因分类人员主观知识结构和客观环境因素影响导致的分类错误率,本研究构建了基于层次分类器的专利文本分类模型。[研究方法]随机抽取A、D、E、H4个部中的4000条中文发明专利,以其名称和摘要数据为实验对象,通过文本预处理及文本特征表示后,基于KNN、支持向量机、Rocchio和朴素贝叶斯4种机器学习模型,分别探索IPC部、大类、小类和大组层次上的最佳分类模型及其组合。[研究结论]实验结果显示,层次结构可有效改善平面分类模型的性能,层次组合模型比层次单一模型拥有更高的分类准确率,各层次的最优分类模型分别是：支持向量机(部)、Rocchio+支持向量机(大类)、Rocchio+朴素贝叶斯+支持向量机(小类)、KNN+朴素贝叶斯+支持向量机+支持向量机(大组)。     

基于禁忌蝙蝠算法的支持向量机特征选择和参数优化

支持向量机是一种有良好发展前景的学习机器。针对支持向量机训练过程中特征选择和参数优化的问题,提出一种基于蝙蝠算法和禁忌搜索算法相结合的算法的支持向量机特征选择和参数优化算法。将禁忌搜索算法理论引入蝙蝠算法中,可以有效提高BA算法的收敛速度和精度,得到更优的支持向量机模型。UCI标准数据集的分类实验结果表明,与基本的网格搜索,遗传算法等比较,TSBA算法可以获得更高的分类准确率和更好的稳定性。     

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。     

基于支持向量机的遥感影像分类

遥感影像分类是提取遥感信息的基础步骤与重要手段,然而由于影像分辨率以及同谱异物与同物异谱现象,传统的分类方法难以实现高精度的分类。基于智能算法的非参数分类方法已开始应用于遥感分类中。本文以佛山市为研究区,对其遥感影像采用支持向量机方法进行土地利用覆盖分类研究,并对分类结果进行精度评价。结果表明:支持向量机分类有较高的精度,是遥感影像分类的有效方法。     

基于聚类的模糊支持向量机入侵检测算法

为了提高模糊支持向量机在入侵检测数据集上的训练效率,提出了一种基于聚类的模糊支持向量机入侵检测算法.该方法可以对训练数据进行剪枝,有效地减少远离分类面的聚类边缘点的数量,同时在分类面附近保持较多的样本点,以靠近判别边界的聚类中心集合作为有效的训练样本集合对模糊支持向量机进行训练,减少了样本的训练时间,提高了算法的效率.实验结果表明该方法提高了模糊支持向量机的训练效率,而且对入侵检测是非常有效的.     

支持向量机在高光谱图像分类中的特性研究

运用支持向量机算法在解决遥感数据的分类问题上已经得到了普遍的认可,并进一步的向更深一个层面发展。本文分别针对惩罚参数C、权重参数W、训练样本数量N三个相关参数进行了多组对比实验研究,并对高光谱数据分类过程中支持向量机内部参数在分类中体现的特性进行了总结分析。     

基于小波包分解的水面目标吨位大小分类方法

基于不同吨位大小的水面船舶辐射噪声特点,提出了一种利用小波包分解提取各频率段能量作为分类特征,利用支持向量机算法进行分类的方法。比较了基于三种不同核函数的支持向量机性能。仿真结果表明,利用小波包分解和支持向量机能对水面目标吨位大小进行有效估计。