支持向量机在意大利葡萄酒种类识别中的应用

葡萄酒的化学成分是辨别葡萄酒品种的主要依据。考虑到常规检测方法复杂、繁琐,准确率低,选择机器学习方法识别葡萄酒种类。针对目前常用的K均值算法在葡萄酒识别中存在的问题,尝试使用支持向量机进行分类,并与K均值算法进行对比分析。结果表明,基于支持向量机的模型分类性能更好,准确率达到98.15%。     

混合遗传算法在供水管网优化调度的应用

利用混合遗传算法来求解供水管网的一级调度问题.主要采用广州市自来水公司供水调度的历史数据作为模型验证.在遗传算法生成初始种群时,引入支持向量机技术对历史数据进行分类,用较优的一类历史数据作为初始种群,在此基础上,结合现有改进的遗传算法技术进行优化.实验结果证明,采用遗传算法和支持向量机技术相结合的方法能提高供水管网调度的效果.     

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.     

基于二次SVM的不均衡数据算法

为减少不均衡数据对支持向量机分类性能的影响,提出一种基于二次支持向量机的欠取样分类算法,该算法依据样本的分类超平面贡献大小对多数类样本进行欠取样．并对少数类样本进行过取样,重构训练数据集。该算法能够删除样本中的噪声数据。用控制参数控制删除样本的规模,实验表明,该算法能够提高支持向量机在不均衡数据集下的分类性能。     

基于粒子群算法的双子支持向量机研究

针对标准支持向量机训练时间过长与参数选择无指导性问题,给出一种通过粒子群优化双支持向量机模型参数的方法。与标准支持向量机不同,该方法的时间复杂度更小,特别适合不均衡的数据样本分类问题,对求解大规模的数据分类问题有很大优势。将该算法与标准的支持向量机分类器在不同的文本数据集上进行仿真实验对比,以验证算法的有效性。结果表明基于粒子群优化的双子支持向量机分类器的分类结果高于标准支持向量机分类结果。     

负荷预测中相似日和影响因素的选择研究

随着经济的不断发展,用电量的急剧增加,短期预测成为各个供电部门一个不可或缺的部分。电力负荷受多种因素影响,针对短期负荷预测,提出一种考虑各种影响因素的新算法,该方法首先利用模糊C均值聚类方法对历史样本进行聚类,依据输入样本的相似度选取训练样本,然后在选取的样本上,利用遗传算法实现负荷影响因素的提取和支持向量机参数的选择,最后利用支持向量机建立预测模型。采用上述方法对河南电网负荷进行了预测分析,结果证明了该方法的有效性。     

基于GA-SVM的图像分割方法研究

支持向量机作为一种分类算法,虽然具有避免局部最优解、鲁棒性好等优点,但由于核函数、参数的选择等问题经常导致分割结果不理想。针对以上问题,将遗传算法（GA）和支持向量机（SVM）结合,通过遗传算法选取最优参数训练支持向量机模型,使用训练好的模型分割图像。实验结果表明,采用该算法能够得到理想的分割结果。     

灰色模型和最小二乘支持向量机在短期负荷组合预测中的应用

提出了结合数据预处理和灰色模型(GM)的最小二乘支持向量机(LS-SVM)短期负荷预测模型和算法.该模型在数据预处理的基础上,根据时刻T,通过缩小的样本集建立灰色模型,利用灰色模型的预测结果构建最小二乘支持向量机,最终,通过建立的最小二乘支持向量机对预测时刻进行预测.该算法不仅通过数据预处理策略提高了预测精度,而且避免了组合预测模型中权值选择问题.采用上述方法对河南电网负荷进行了预测分析,结果证明了该方法的有效性.     

基于改进支持向量机的风电机组故障分类识别

针对支持向量在分类过程中,特别是对于非线性可分问题,如果采用不同的核函数,支持向量机(SVM)可以构造不同的学习机器和分类模型,从而导致分类算法复杂且分类精度较低。研究了SVM的轴承诊断原理,测试诊断方案及原始测试数据的特征提取,最后进行了数据训练和测试实验仿真,然后对风力发电机组机械故障进行诊断,实验说明了改进后的SVM故障分类方法的可行性和有效性。在建立故障分类模型之后,采用网格搜索法、遗传算法、粒子群算法对支持向量机的惩罚参数C和径向基核函数参数γ进行优化选择,通过分析发现故障分类精度提升比较明显。     

基于KFCM改进SVM的学生学业预警系统设计

针对高校学业困难学生过程化管理的预警需求,通过学生的入学成绩、学期成绩、一卡通应用数据、早操考勤和学籍处理等状态数据,基于大数据处理思想,提出用核函数的模糊均值聚类(KFCM)改进支持向量机(SVM)数据决策算法,开展学生学业预警决策研究,为教师或学生个人及早采取有效干预措施提供技术支持。经仿真对比分析,本文改进算法相比传统SVM、BP神经网络、遗传算法优化支持向量机(GA-SVM)数据决策算法,在解决学生学业预警领域具有较大优势,有一定推广应用价值。     

Fault diagnosis model based on fuzzy support vector machine combined with weighted fuzzy clustering

A fault diagnosis model is proposed based on fuzzy support vector machine (FSVM) combined with fuzzy clustering (FC).Considering the relationship between the sample point and non-self class,FC algorithm is applied to generate fuzzy memberships.In the algorithm,sample weights based on a distribution density function of data point and genetic algorithm (GA) are introduced to enhance the performance of FC.Then a multi-class FSVM with radial basis function kernel is established according to directed acyclic graph algorithm,the penalty factor and kernel parameter of which are optimized by GA.Finally,the model is executed for multi-class fault diagnosis of rolling element bearings.The results show that the presented model achieves high performances both in identifying fault types and fault degrees.The performance comparisons of the presented model with SVM and distance-based FSVM for noisy case demonstrate the capacity of dealing with noise and generalization.     

基于遗传支持向量机的生物质发电气化研究

提出了一种基于遗传算法和支持向量机的生物质气化过程研究的新方法。采用竹子气化数据建立GA-LS-SVM模型,并验证该模型方法在生物质气化过程建模中的适用性。GA-LS-SVM模型预测方法精度较高,效果也比较理想,是一种可行有效的建模方法。     

基于支持向量机的利率互换定价研究

利率互换定价主要是受到金融市场利率期限结构的影响。依据美国国库券收益率和互换利率数据,结合我国国库券收益率数据,采用非参数的支持向量机预测模型模拟出利率期限结构;在已知利率期限结构的基础之上,采用支持向量机的方法模拟估计出利率互换的固定利率,从而构造出一种系统的利率互换定价方法。通过实证检验,结果表明基于支持向量机的定价方法是可行的,且精确度也比其他定价方法要高。     

基于聚类算法的选择性神经网络集成在大脑胶质瘤诊断中的应用

1 Introduction The degree of malignancy in brain glioma[1]domi-nates the way of treatment .In case of gradeⅠorⅡaccording to Kernohan,the success rate of operationis satisfactory. Otherwise ,for gradeⅢor IV,the sur-gical risk is high ,and poor life qual…     

基于支持向量机的控制图异常模式参数估计

针对控制图5种异常模式的6个参数,提出基于一对一算法的多类分类支持向量机的控制图异常模式下的参数估计方法.在模型构造中采用遗传算法优化支持向量机的参数.仿真实验结果表明.该方法结构简单,收敛速度快,具有较高的识别精度,适合于控制图异常模式的参数估计.     

基于自适应约简相关向量机的光照色度估计

提出了一种新的自适应约简相关向量机回归算法来估计图像的光照色度以达到色彩一致性目的.在稀疏贝叶斯学习的框架下,该算法首先以多核形式自适应结合全局核函数和局部核函数扩展相关向量机,然后应用改进的保局投影来约简多核输入矩阵的列维数以减少训练时间.为了估计光照色度,通过图像色度直方图的模糊中心值和其相应光源值训练算法.基于真实图像的实验表明所提算法优于支持向量机和相关向量机且其训练时间小于相关向量机.     

基于GAPSO-SVM的滚动轴承故障分类方法

针对滚动轴承故障分类准确率低的问题,提出一种利用遗传算法结合粒子群算法优化支持向量机分类器的故障诊断方法.实验通过提取滚动轴承不同故障状态下的振动信号,以转化成时域和频域组成的特征集为特征向量,利用粒子群生成二维粒子,即惩罚因子C、核函数参数G,并喂入支持向量机进行训练和交叉验证,取最优适应度对应的粒子,进而构建遗传粒...     

Genetic algorithm for scheduling reentrant jobs on parallel machines with a remote server

This paper considers a reentrant scheduling problem on parallel primary machines with a remote server machine, which is required to carry out the setup operation. In this problem, each job has three operations. The first and last operations are performed by the same primary machine, implying the reentrance, and the second operation is processed on the single server machine. The order of jobs is predetermined in our context. The challenge is to assign jobs to the primary machines to minimize the makespan. We develop a genetic algorithm（GA） to solve this problem. Based on a simple strategy of assigning jobs in batches on the parallel primary machines, the standardized random key vector representation is employed to split the jobs into batches. Comparisons among the proposed algorithm, the branch and bound（BB） algorithm and the heuristic algorithm, coordinated scheduling（CS）, which is only one heuristic algorithm to solve this problem in the literature, are made on the benchmark data. The computational experiments show that the proposed genetic algorithm outperforms the heuristic CS and the maximum relative improvement rate in the makespan is 1.66%.     

水资源短缺风险的支持向量机应用研究

分析了支持向量机特征提取算法,支持向量机算法的优点是在小样本、非线性以及高维度模式识别中拥有的最优性能。随着近几年北京市水资源日益短缺的严峻事实,本文将支持向量机特征提取算法应用到北京市水资源短缺风险的主要因素提取方面,此分析对水资源短缺分享的研究对维护社会经济的稳定、可持续发展战略的实施具有重要意义。