基于偏最小二乘支持向量机的图书馆效益评价研究

图书馆的效益评价是图书馆工作科学化、计量化的基础和保证。为解决评价样本少、评价指标相关性高等问题,提出了一种基于偏最小二乘—支持向量机(PLS-SVM)的图书馆效益评价模型。该模型有机结合了偏最小二乘和支持向量机的优点,不仅具有较强的全局优化能力和泛化能力,还能有效克服变量间的线性关系,消除指标间的相关性,提高了评价结果的准确性。通过对14个高校样本的实例应用,结果表明PLS-SVM模型能有效评价图书馆效益,评价结果符合客观实际。     

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。     

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油罐故障诊断方法

根据油罐故障分析,建立了油罐故障诊断模型。采用新型的支持向量机-最小二乘向量机(LS-SVM)的算法对此诊断模型进行预测,获得了满意的效果。该方法易于使用,很少受不确定性因素的影响,有很高的预测准确性。     

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。     

基于同伦正则化的最小二乘支持向量机

最小二乘支持向量机作为一种新颖的人工智能技术,已越来越广泛地运用于各个学科领域,其本质是一种正则化方法。近几年出现了一种新的正则化方法:同伦正则化,该方法已在多个方面得到了很好的应用。作者通过研究,将这种新的正则化方法应用于最小二乘支持向量机,建立了一种新的模型。该模型与最小二乘支持向量机相比,其最大的优点就是大大缩短了正则化参数的优化时间。     

基于遗传优化偏最小二乘支持向量机的税收预测研究

由于我国税收收入存在高度的非线性、耦合性和多因素的影响,故而对其进行预测是传统的预测方法难以胜任的。首先,提出偏最小二乘支持向量回归对我国税收收入进行预测的思路。其次,由于参数集(C,σ2)直接影响支持向量技术的预测优劣,故采用改进的遗传算法对参数集进行全局寻优,这样既保证了处理非线性的优势,又确保了支持向量回归模型的稳定性与精确性。结果表明,预测精度有着显著提高,说明了该模型的有效性与实用性。     

基于最小二乘支持向量机和遗传算法的除尘效率优化

采用最小二乘支持向量机进行除尘效率建模,并利用遗传算法对运行工况寻优,获得优化除尘效率的调整方式。仿真计算表明遗传算法能很好地对以除尘效率为目标的除尘模型优化。以优化调整方式的相应参数作为当前负荷下的基准值,可指导运行人员进行参数优化调整。现场试验表明,按此基准值运行,可以提高除尘效率,从而使除尘系统性能达到优化。     

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。     

基于渔夫捕鱼-最小二乘支持向量机的传感器节点定位的研究

为了提高无线传感器的定位精度,针对最小二乘支持向量机参数优化问题,提出了一种基于渔夫捕鱼优化-最小二乘支持向量机的传感器点定位方法。首先构建三维无线传感器定位模型的学习样本,然后采用最小二乘支持向量机构建三维节点定位模型,并采用渔夫捕鱼的行为来找到最优支持向量机参数。结果表明,本文算法能够有效地提高传感器节点的定位精度,降低定位误差,具有一定的实际应用价值。     

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。     

基于支持向量机建筑结构损伤识别方法研究

数据技术在建筑行业的利用越来越广泛,使用数据挖掘技术,就能建立具有快速高效数据采集、传输和处理能力,满足结构实时在线监控和预测要求并实现网络传输和共享的智能检测系统,解决传统统计方法难以有效处理的问题。在这类系统中建筑结构损伤识别方法是其关键技术,对此类方法的研究是建筑行业和数据领域共同的研究目标。     

基于蜻蜓算法和最小二乘向量机的小批量生产质量预测

采用蜻蜓算法(DA)和最小二乘支持向量机(LSSVM)的方法,解决生产过程中小批量产品在质量预测方面的问题。首先以汽车变速箱轴承内圈孔直径的尺寸作为预测数据,连续观测12个单位时间,并记录每个单位时间轴承内圈孔直径的尺寸数据,进行归一化处理;其次采用LSSVM对变速箱轴承内圈孔直径加工过程变化进行量化分析,并采用蜻蜓算法优化LSSVM参数;最后将DA-LSSVM综合方法与多种预测模型进行对比分析。结果表明,DA-LSSVM方法可以提高预测模型的训练预测精度,缩短训练时间。     

基于支持向量机的企业突破性创新识别模型研究

根据文献研究和创新识别的内涵,从技术、市场、产品、管理、财务、环境6个维度构成创新模式识别因素指标集,利用支持向量机原理建立了企业突破性创新识别模型,并应用该模型对61个样本数据进行创新模式的仿真识别,结果发现输出结果与样本调研及实际创新模式是一致的。实证研究表明,该方法在突破性创新识别中具有较强的有效性及优越性。     

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。     

关于支持向量回归机的模型选择

支持向量机是在统计学习理论基础上发展起来的一种新型的机器学习方法。模型选择是设计支持向量机的重要内容之一。本文在分析用于回归的支持向量机原理的基础上,分别从核函数的选择、模型参数的作用、模型参数的调整方法等模型选择方面进行了综述,并讨论了模型选择的优缺点,最后指出在实际应用中常见的核函数和模型参数调整方法。     

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。     

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。     

基于支持向量机的图片验证码识别研究

从产品角度来看,图片验证码识别增加了时间成本和精力,因此有必要开发一个验证码图片识别系统改善工作效率。考虑到目前各种机器学习算法的优点,本文提出了基于v-支持向量分类的验证码图片识别算法,它不仅运用快速独立成分分析算法提取特征,并且利用文化算法最优化v-支持向量算法的模型核宽度和参数v。实验结果表明,数字验证码图片经过预处理后,每组图片的训练集的数字识别率为100%,而测试集的识别精度大约为99.8%。