基于SVM的烟草销售量预测

烟草销售量预测能为烟草生产、运输、配送提供指导,使烟草行业能更好地适应市场需求。烟草销售量受众多因素的影响,具有季节性和周期性规律,传统的线性模型难以进行准确的预测。基于支持向量机建立烟草销售量的多维时间序列模型,实验结果表明,该模型具有较高的预测精度,能够准确地反映烟草销售量的变化趋势。对比实验也表明,所提出的方法比其它几种方法预测精度高,可以为烟草行业的销售管理提供科学依据,具有实用价值。     

基于SVM的分类方法及其应用

本文对支持向量机的原理、核函数及分类方式进行了详细的介绍,给合实例探讨了支持向量机在分类中的具体应用,并根据应用结果指出了支持向量机的优缺点,最后展望了支持向量机在分类应用的前景。     

形貌基因突变与衰减对于颗粒材料能量耗散行为的影响（英文）

目的：本文旨在探讨不同尺度颗粒形貌特征对于砂土应力-应变以及能量耗散行为的影响。方法：1.通过同步X射线计算断层扫描实验,提取高精度的真实颗粒形貌,并通过三维点云表征;2.通过基于球谐分析的主成分分析方法,构建不同尺度下颗粒形貌的突变与衰减;3.通过离散单元法仿真,模拟不同形貌试件的三轴剪切过程,并进一步讨论不同尺度颗粒形貌对于颗粒材料应力-应变以及能量耗散行为的影响。结论：1.通过比较较松散和较密实的试件,发现对于较松散试件,颗粒形貌对颗粒材料的初始刚度、应力-应变、体积应变和摩擦能量耗散等响应的影响更为明显;2.对于不同尺度下的颗粒形貌,局部圆度较长径比对颗粒材料宏观响应的影响更大;3.颗粒材料的能量耗散行为由颗粒形貌和初始孔隙率共同决定。     

浅谈运动生物力学教学研究中能量法的应用

生物体的运动历来就是科学家们极为感兴趣的课题之一.人体运动的研究成为自20世纪以来的研究热点之一.但由于科学发展的限制,直到20世纪50年代以后,随着研究人体运动的各种条件日趋成熟,运动生物力学才开始成为一门独立的学科.运动生物力学的一个很重要的研究领域,是研究从能量消耗、功、功率等指标去分析人体运动的效率及技术的合理性.基于人体运动研究的复杂性,能量法是目前运动生物力学研究不可多得的方法之一.但查阅大量文献发现能量法在生物力学研究中的应用少之又少,未能引起应有的重视.     

能量耗散对蜿蜒河流分形结构的影响

为了探讨蜿蜒河流平面形态分形结构形成的物理机制,对河流能量耗散进行了定性描述,引入了负熵概念。把河床几何形态划分为若干微观状态,根据这些微观状态的信息量和熵与分形维数的关系探讨河流能量耗散对河床几何形态的影响。结果表明,河床从水流中吸入的负熵越多,其分形维数值越大,河道也愈加蜿蜒曲折。因此,蜿蜒河流平面形态分形结构形成、发育及其演变的物理机制之一可归结为河流系统的耗散性,即河床从水流中吸取负熵的多寡及其变化过程。将上述理论应用于下荆江,计算结果与实际情况比较吻合。     

一种基于粒子群优化SVM的交通流量预测方法

为了准确预测交通流量,提出了一种基于改进型支持向量机算法的短时交通流量预测方法。支持向量机对训练样本进行学习后,可以形成影响因素与影响结果之间的最优函数,进而根据实时交通状态对交通流量进行非线性回归预测。为了提高预测精度,使用QPSO算法优化了支持向量机的参数,并进行了滤波处理以减小模型误差。仿真结果显示,实际预测误差小于10%。     

一种基于SVM的网络异常流量检测新方法

提出了一种基于SVM的网络异常流量检测新方法.分析了支持向量机的基本原理,结合网络流量异常检测的特点,讨论了异常检测的特征选择问题;提出了网络流量相关性、包长度统计变量以及异常报文统计等具有代表性的特征参数,描述了数据的预处理方法.试验结果表明,所选特征参数可有效地检测网络流量异常变化,说明基于支持向量机的在网络异常流量检测具有较好的可应用性.     

基于SVM的小波图像去噪

在小波分析的基础上,运用支持向量机(SVM)方法来对噪声和非噪声数据进行分类。首先,把一带有噪声的信号进行多尺度小波分解;然后通过试验检测出小波分解系数中部分噪声信号和非噪声信号,得到样本数据来训练SVM;最后对所有的小波系数用训练后的SVM来进行分类得到非噪声信号,并且对这部分非噪声信号进行小波重构即达到了去噪的目的。     

基于Jawbone手环的睡眠质量预测研究

提出了一种基于Jawbone手环预测睡眠质量的方法。通过对手环收集到的运动和睡眠数据进行分析,选择出有效的特征表示,并使用支持向量机(SVM)的预测分类方法进行数据处理,取得了较好的效果。     

基于视频的烟雾检测系统——运用烟雾流动模型和时空能量分析的方法

在火灾发生的初始阶段,监测烟雾对于防止火灾至关重要。文章提出了一种基于时间特征的检测方法,即由光烟流动模式分析和时空能量分析提取的时间特征融合得到。一个特征向量是通过使用具有优选方向的Gabor滤波器组,利用纹理信息来确定烟雾的流动特征。此外,在具有时间差的图像中,应用空间频率的能量分析得到另一特征向量。最后,这些特征向量输入训练好的支持向量机(SVM)进行烟雾判别,提供准确的烟雾检测。根据实验数据可得,该算法特征提取简便,可以更快检测烟雾的发生,提高了烟雾检测效率。     

基于RBF核的SVM分类应用研究

支持向量机(Support Vector Machine,SVM)在解决小样本、非线性及高维模式识别中具有优势,但核函数的选取没有定论,且其参数对SVM模型的性能起重要作用。针对这些问题,文章建立了基于SVM的分类模型,并通过UCI数据集验证了径向基核函数(Radial Basis Function,RBF)较其他核函数的有效性,其中核参数的选取采用改进的网格搜索法进行寻优。分类实验结果表明,选择RBF核函数的分类准确度较其他核函数提高了2.5%到35%。     

改进偏二叉树多类SVM的文本分类

在文本分类过程中,为解决传统支持向量机（SVM）多类分类的不可分区域问题及提高分类性能,提出了一种改进的偏二叉树多类SVM算法。算法依据根据样本的分布情况计算训练集文本特征参数的信息熵,并将熵值结合欧式距离公式以确定各类文本间的相似性测度;以相似性测度作为偏二叉树结构的分类走向,对训练集进行学习,构建各个二类子SVM分类器。实验结果表明,该算法具有较高的分类性能,能更好地解决实际文本分类过程中的问题。     

基于支持向量机的结构损伤识别

支持向量机是一种基于统计学习理论和结构风险最小化原则的新型机器学习算法。介绍了支持向量机分类概率估计和回归估计,构造基于模态频率的损伤指标标识量,根据分类概率估计与回归算法计算结构损伤位置及程度。通过简支梁仿真算例,验证了该方法的有效性。     

基于SVM方法的CNiping攻击防范模型

CNiping攻击是最近才出现的一种利用DNS漏洞的攻击方式,破坏性强。从DNS协议的改进和主机的安全加强入手,对CNiping攻击屏蔽。此外结合SVM方法的搜集和分析模型帮助管理员彻底杜绝CNiping攻击。     

SVM for density estimation and application to medical image segmentation

A method of medical image segmentation based on support vector machine （SVM） for density estimation is presented. We used this estimator to construct a prior model of the image intensity and curvature profile of the structure from training images. When segmenting a novel image similar to the training images, the technique of narrow level set method is used. The higher dimensional surface evolution metric is defined by the prior model instead of by energy minimization function. This method offers several advantages. First, SVM for density estimation is consistent and its solution is sparse. Second, compared to the traditional level set methods, this method incorporates shape information on the object to be segmented into the segmentation process. Segmentation results are demonstrated on synthetic images, MR images and ultrasonic images.     

基于单类支持向量机的稳健语音端点检测

可靠的语音端点检测算法是稳健语音识别系统所必须的。针对现有算法在噪声环境下的稳健性问题,提出了基于单类SVM(Support Vecfor Machine)的端点检测算法。通过对多特征信息进行在线学习与综合,以及采用双层决策机制,有效提高了语音检测的稳健性。实验表明,算法在多种噪声环境和信噪比条件下有效,明显提高了语音识别系统在噪声环境下的识别率。     

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。     

基于NMF与SVM的粘连种子分类研究

为促进农业向精准农业、智慧农业方向发展,针对种业中衡量种子质量的重要指标千粒重,为提高其精确度,提出基于非负矩阵分解与支持向量机的粘连种子分类算法,在利用机器视觉与图像识别等技术进行种子颗粒计数时,解决种子因严重粘连（经图像预处理、形态学操作等仍粘连）使系统出现误判,导致计数结果误差较大的问题。实验以玉米种子为研究对象,研究3种常见粘连类型。采用基于NMF的方法实现种子粘连图像有效特征的提取,再运用SVM构建多分类器,解决种子粘连类型的三分类问题,最后通过实验验证,该方法的分类准确率为98%。     

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。     

基于几何特征和支持向量机的人脸检测

针对人脸检测中的非线性和降维问题提出了一种有效的人脸检测方法。首先基于人脸的肤色和几何特征．通过局部自适应门限方法提取图象边缘，用几何规则和颜色特征筛选出候选眼睛块。然后采用改进的四边界sobel算子对眼睛精确定位。最后使用训练好的支撑向量机来验证。该方法可以实现多尺度多角度的彩色图像中的正面人脸检测，实验结果令人满意。