基于粒子群优化支持向量机的矿井涌水量预测

矿井涌水量预测是一项复杂而有难度的技术,受到很多因素的影响.提出基于粒子群优化支持向量机(PSO-SVM) 的矿井涌水量预测方法,即将粒子群优化算法(PSO) 用于SVM 参数优化.它不仅具有很强的全局搜索能力,而且容易实现.经实验结果证明,PSO-SVM的预测输出与实测数据基本一致,其预测精度高于普通的SVM,所有的预测误差都远小于5% 的工程许可误差.     

基于支持向量机的混凝土测强换算模型

利用支持向量机方法研究混凝土无损检测中强度值和检测物理量之间的关系,建立基于支持向量机的混凝土测强换算模型.仿真表明该方法具有预测精度高和计算量少的优点,可以作为混凝土无损检测中测强换算的一种新方法.     

免疫遗传优化支持向量机回归在混沌时间序列预测上的应用

在分析支持向量机(Support Vector Machines,SVM)回归算法的基础上,提出了一种免疫遗传优化向量机回归算法来预测混沌时间序列.算法根据混沌时间序列样本的特点利用免疫遗传算法对支持向量机回归方法参数进行优化.免疫遗传算法有效地克服了未成熟收敛现象,获得相关参数最优值.对混沌时间序列预测的实际算例表明,与支持向量机方法相比,本文所提的免疫遗传优化支持向量机回归方法具有更高的预测精度.     

关于支持向量机核函数中参数选择的研究

核函数及核函数中参数的选取是支持向量机中一个重要的问题.选择合适的核函数中的参数以及惩罚参数的问题称为模式选择.本文对目前支持向量机中参数选择算法以及这些算法中用到的推广误差估计进行了初步的研究和分析.     

校园网入侵检测的支持向量机应用

入侵检测系统是校园网安全防御的重要组成部分,从本质上讲,入侵检测实际上是一个分类问题,就是通过检测把正常数据和异常数据分开。目前的入侵检测方法存在着先验知识少的情况下推广能力差的问题。本文论述了支持向量机在小样本学习的基础上发展起来的分类器设计方法,并提出了基于支持向量机的通用入侵检测系统。     

基于优化支持向量机的高校教师绩效评价研究

为了提高高校教师的绩效评价效果,本文提出一种基于优化支持向量机的高校教师绩效分类方法.采用支持向量机的非线性逼近能力描述绩效等级与影响因子间的复杂关系,同时利用改进的遗传算法对支持向量机参数进行优化处理,进而提高绩效识别分类精度.实验结果表明,与经典支持向量机和神经网络相比,该模型具有更好的泛化性能,能够明显提高高校教师绩效的评价效果.     

基于改进人工鱼群算法优化参数的支持向量机研究

为了降低人为设定参数值对支持向量机运行结果准确度的影响,采用智能算法中的人工鱼群算法,搜寻支持向量机相应参数的最优解。由于人工鱼群算法运算在寻优精度和效率方面均有提升空间,故将混沌机制引入人工鱼参数初始化,通过改进固定参数和行为算子得到支持向量机预测模型。使用该模型进行中长期电力需求预测研究,并与其它参数优化算法产生的模型进行均方误差对比。研究结果表明：改进后的模型在拟合均方误差和预测均方误差上都优于未优化的模型,支持向量机在预测精度方面有一定程度的提升。     

基于总间隔的自适应模糊支持向量机在线性与非线性领域中的应用研究

针对传统的SVM在实际应用中存在的过拟合问题、最优分类超平面的倾斜问题和推广误差界的问题,引入了总间隔算法和不同代价算法。介绍了基于总间隔的自适应模糊支持向量机(TAF-SVM)的原理和判别机制,并将它应用于线性和非线性领域。     

支持向量机理论与算法研究

支持向量机(Support Vector Machine,SVM)就是在我们日常学习统计理论基础上发展起来的新方法,其训练算法本质上是一个二次规划的求解问题。本文对支持向量机的理论进行了系统的介绍,并对SVM训练算法进行综述,并对未来的研究方向进行展望。     

Parameters selection in gene selection using Gaussian kernel support vector machines by genetic algorithm

INTRODUCTION Recent techniques based on oligonucleotide or cDNA microarrays allow the expression level of thousands of genes to be monitored in parallel (Golub et al., 1999). A critically important factor for cancer diagnosis and treatment is the reliable prediction of tumor progression. A remarkable advance for mo- lecular biology and for cancer research is cDNA mi- croarray technology. cDNA microarray datasets havea high dimensionality corresponding to the large number of genes monit…     

拆分特征选择及其在企业信用评估中应用

评估指标体系的选取是企业信用评估的首要问题，它是一个特征选择问题。文章提出了一种针时SVM组合技术的拆分特征选择方法，其主要思想是时SVM组合中的各个分类器分别进行特征选择，再采用不同的特征子集作为各子分类器的输入，进行组合建模与预测。文章从filter和wrapper相结合的思想出发，进行了子分类器的特征选择；之后，针对企业信用评估问题的特点，采用了二叉树结构作为SVM的组合策略。实验表明，拆分特征选择方法能选出规模较小、具有一定差异的关键指标集，提高了模型的分类性能，并且具有计算简单，运行快速的优点。     

Support vector machine for predicting protein interactions using domain scores

Protein-protein interactions play a crucial role in the cellular process such as metabolic pathways and immunological recognition. This paper presents a new domain score-based support vector machine (SVM) to infer protein interactions, which can be used not only to explore all possible domain interactions by the kernel method, but also to reflect the evolutionary conservation of domains in proteins by using the domain scores of proteins. The experimental result on the Saccharomyces cerevisiae dataset demonstrates that this approach can predict protein-protein interactions with higher performances compared to the existing approaches.     

一种基于不变矩和SVM的车型识别器设计

介绍了一个基于不变矩和支持向量机技术的车型分类器。不变矩对于平移、旋转、尺度变化有良好的不变性,能很好的表示2维图像形状特征。支持向量机(SVM)建立在结构风险最小化原理基础上,对车型识别这样的非线性、高维数的小样本问题有非常好的分类效果和学习推广能力。在提取车长、车高等特征的基础上加入汽车图像不变矩特征,试验结果表明,该系统有很高的识别率。