关于支持向量机的几点思想

介绍了机器学习的发展过程,介绍了支持向量机在结构风险最小化的思想,介绍了支持向量机算法思想,介绍了通过核函数从样本空间映射到高维空间,使得本来在样本空间中线形不可分的数据,在高维空间中变得线形可分,最后通过例子使得我们对支持向量机思想有更清晰的认识。     

基于支持向量机的垃圾邮件过滤分析与实现

互联网的发展逐渐改变了人们的生活方式,电子邮件因其方便、快捷的特点已受到人们的青睐。但许多垃圾邮件同时也在网络中蔓延,占据了邮件服务器的大量存储空间,用户往往需要花费大量的时间去删除这些垃圾邮件。因此,研究邮件的自动过滤具有重要意义。邮件的自动过滤主要有基于规则和基于统计两种方式。而目前基于统计的过滤器中,常用的贝叶斯方法等是建立在经验风险最小化的基础之上,过滤器推广性能较差。支持向量机(SVM)是在统计学习理论的基础上发展而来的一种新的模式识别方法,在解决有限样本、非线性及高维模式识别问题中表现出许多特有的优势。它不仅考虑了对推广能力的要求,而且追求在有限信息的条件下得到最优结果。因此,本文将支持向量机应用于邮件过滤,实验证明过滤效果较好。     

基于支持向量机的上市公司财务预警模型研究

基于近年来在智能学习系统领域发展起来的新理论,引入小样本学习的通用学习算法--支持向量机(SVM),建立了上市公司财务预警模型,通过与神经网络模型的比较,证实了该方法用于财务预警的有效性及优越性.     

基于支持向量机的上市公司财务预警模型研究

基于近年来在智能学习系统领域发展起来的新理论,引入小样本学习的通用学习算法——支持向量机(SVM),建立了上市公司财务预警模型,通过与神经网络模型的比较,证实了该方法用于财务预警的有效性及优越性。     

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。     

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。     

支持向量机原理及其在模式分类中的应用

支持向量机是一种突出的小样本数据分析方法,它基于结构风险最小化原则,在一个高维特征空间中构造最优分类超平面,在解决很多实际问题中具有优于其他方法的特点,本文介绍了支持向量机原理及其在模式分类中多方面的应用,并阐述了SVM在算法上的最新研究。     

遗传支持向量机的应用

本文针对支持向量机中的参数通常靠交叉实验来确定的状况,提出了遗传支持向量机,并将之应用在音乐特征识别中。基于Matlab的实例仿真结果表明,该预测模型精度高于传统SVM预测模型,具有一定实用价值,为快速准确的音乐特征识别提供了一种新的方法和途径。     

浅谈支持向量机技术

支持向量机是基于统计学习理论的一种新兴的机器学习技术。本文论述了支持向量机技术的研究和目前的应用状况,并指出了支持向量机技术在应用研究中的一些待解决问题和研究方向。     

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.     

基于模糊支持向量机的电子商务交易安全风险评估方法

面对网络电子交易中,各种诈骗信息层出不穷,交易风险越来越大。为了保证网络交易的安全,促进电子商务的快速发展。提出了支持向量机的电子商务交易风险预测方法。支持向量机可以利用电子商务完成交易过程中积累的各项有效数据,对未来的数据进行预测,准确评估在未来交易中,不同等级客户面临的交易风险。通过实验对提出的电子商务预测风险方法进行校验表明:该方法能够对不同的网络交易行为安全性进行较好的预测,预测精度较高,克服传统方法的缺陷,更适合当前的网络交易行为。     

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。     

基于支持向量机的企业赊销风险评估模型

结合赊销风险的特征,提出将"赊销风险度"作为新的赊销风险度量标准,在定义赊销风险度的基础上,将企业赊销风险划分为5个等级,并将支持向量机(SVM)引入赊销风险评价,建立了基于SVM的企业赊销风险评价模型。实证结果表明,该模型有效且可行。     

基于支持向量机和决策融合的人脸检测

针对灰度图像中的人脸检测问题,提出了一种基于多种支持向量机的决策融合检测方法。该方法首先用传统的二类支持向量机(C—SVM)和单类支持向量机(One-Class SVM)分别对图像进行检测,然后决策融合两种分类器的检测结果。在MIT CUM人脸库上的实验结果表明,该方法具有良好的检测效果和较低的虚警率。     

基于支持向量机的湖泊水质评价

在比较目前湖泊水质评价方法的基础上,给出了基于支持向量机理论的湖泊水质评价分类方法模型。应用实测数据验证了该方法的有效性。     

基于支持向量机的诊断方法研究

根据支持向量机原理,对线性可分与线性不可分两种情况分别建立了分类模型,模型的求解转化为一个二次规划问题,在选用径向基核函数的参数时运用网格搜索的方法进行选取最优参数。在应用到乳房肿瘤的医疗诊断中,准确率为93.00%,较以前的方法有了明显的提高。     

基于自适应遗传算法的半监督支持向量机学习法

本文将自适应遗传算法用于半监督支持向量机(S’VMs)的训练,取得了令人满意的非线形分类效果,并将遗传算法与传统的最速下降法相结合能使分类精度进一步提高。     

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。     

支持向量机研究现状

支持向量机（SVM）是机器学习领域一种非常重要的分类算法,它的出现是以统计学习理论为基础的。由于其良好的泛化能力,使得这种分类方法在很多领域都有应用。但是时间复杂度高的缺点一直是困扰这种优秀的分类器进一步发展的原因。文章对支持向量机的发展现状进行了分析和归纳总结,并对未来的发展方向做了有意义的探索。     

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。