基于支持向量回归机的磨削力预测

针对神经网络方法在磨削力预测方面存在的网络结构不好确定和样本需求量大等不足,提出了一种新的基于支持向量回归机的磨削力智能预测方法。介绍了支持向量回归机的基本原理,分析了影响磨削力的主要因素,选用砂轮速度、工件速度和磨削深度作为输入参数,建立了基于支持向量回归机的磨削力预测模型。仿真结果表明,所建立的预测模型是合理有效的,与BP神经网络预测方法相比,预测的结果准确性更高。     

基于范数支持向量回归机的算法扰动设计研究

解决回归问题中相对重要的方法就是支持向量回归机。实际问题中的一些固定测量及公式计算总会存在误差,因此有必要通过扰动分析来讨论研究支持向量回归机数据的扰动问题。基于此,把1范数支持向量回归机作为研究对象,通过扰动分析,在一定的条件下给出了解对扰动数据偏导数的表达式,建立线性规划中1范数支持向量机算法的原始问题的灵敏度分析定理。     

基于支持向量回归机模型的地下水位动态模拟

研究地下水位动态变化,对于正确评价和合理利用地下水资源、防止土壤盐碱化及保护生态环境具有重要意义。为探讨不同核函数支持向量回归机对地下水位预测的效果,分别采用多元回归、BP神经网络及3种不同核函数SVR建立地下水位预测模型并进行对比分析。结果表明,RBF核函数SVR预测结果平均相对误差为0.85%,均方根误差为0.004,精度最高;Sigmoid核函数SVR预测结果对应误差分别为1.58%及0.006,精度次之;多项式核函数SVR预测结果对应误差分别为3.72%及0.016,精度与BP神经网络模型大致相同,但高于多元回归模型。在现有3种常用核函数SVR地下水位预测模型中,基于RBF核函数SVR模型预测能力最强,其次是Sigmoid核函数;而多项式核函数则效果最差。     

基于支持向量回归机的并联机床表面粗糙度预测

针对神经网络方法预测并联机床表面粗糙度存在的不足,提出了一种新的基于支持向量回归机的并联机床表面粗糙度预测方法。以某型并联研抛机床为例确定了表面粗糙度预测模型的输入输出参数,建立了基于支持向量回归机的并联机床表面粗糙度预测模型。仿真实验的预测结果表明,所建立的预测模型具有较强的泛化能力,预测的准确性较高。     

基于支持向量机的股价预测研究

支持向量机(SVM)方法作为数据挖掘中的一种人工智能方法,能够解决数据维数过大、非线性、小样本等问题,在股价预测方面比其他方法具有更大的优势.本文利用支持向量机的分类原理,用上证180股价指数中的90个成分股作为训练样本对支持向量机模型进行训练,选取上市公司基本面中的行业特征和公司相关财务指标以及股票市场中的技术指标,然后用训练好的模型对剩余的90个成分股样本的股票价格的涨跌进行分类预测,结果显示支持向量机方法对股价涨跌的预测具有较高的准确性.     

基于支持向量机的财务预警研究

精确的财务困境预测对企业管理层、投资者、债权人、监管层等都有着十分重要的意义。本文以支持向量机（SVM）为基础,选取径向基核函数为内积函数,构建财务困境预警的SVM模型。实证结果表明,SVM模型不论是在建模样本精度或是测试样本精度上,都明显优于传统判别模型。     

基于支持向量机的表情识别研究

文章介绍了一种根据图像序列对面部表情进行实时识别的方法。使用Lucas－Kanade光流分析算法对面部标定25个特征点进行跟踪,来得到每个面部表情序列特征点的特征位移。使用一种适合于表情分类的支持向量机多分类方法对实时的表情序列进行分类,实验证明可得到理想的结果。     

基于支持向量机的汾河下游河流健康评价

为识别汾河下游河流健康状况,以汾河下游段为研究对象进行了河流健康评价。构建了基于支持向量机(SVM)的河流健康评价模型,对不同样本容量的模型性能进行比选后,计算不同级别及不同指标的评价决策函数,确定河流健康状况级别;并采用熵权物元模糊法评价结果对支持向量机的评价结果进行验证。由综合指标可见汾河下游健康安全水平处于4级差的级别;由单指标可见,大部分指标处于4级、5级差与较差水平;评价结果反映出该河段生态系统本底环境非常脆弱,健康状态较差。对比发现SVM评价法与基于熵权物元模糊法得到的评价结果一致,且该法避免了传统方法的人为因素影响,表明采用SVM模型进行河流健康评价是合理可行的,其结果也是可信的,该评价方法也可为小样本河流健康评价提供一定的方法依据。     

基于支持向量机的数据挖掘技术

随着数据库技术的迅速发展以及数据库管理系统的广泛应用,人们积累的数据越来越多.激增的数据背后隐藏着许多重要的信息,人们希望能够对其进行更高层次的分析,以便更好地利用这些数据.将目前先进的机器学习技术支持向量机,与数据挖掘结合起来,提出了一个改进的支持向量机训练算法,进行了支持向量机自动分类的模拟试验.试验结果显示,新算法的训练速度明显提高,并获得了比较理想的分类结果.     

基于改进支持向量机的行为分类研究

针对智能监控中行人行为难于识别的问题,提出了一种基于改进支持向量机的行人行为分类的解决方法.针对背景建模和前景提取精确度的难题,把视频中有活动的部分表示成一组时空兴趣点;针对行动方式具有无固定方式和模糊特点的问题,先采用模糊聚类求每类行为样本聚类中心,再加入决策树思想,构建一种支持向量机决策树多值分离器进行行为分类.在国际上通用行为KTH数据库进行了实验,获得较高的识别率.     

基于支持向量机的汽车变速箱故障诊断研究

汽车变速箱是汽车传动系统的核心部件。为提高汽车变速箱故障诊断准确率,本研究提出一种基于支持向量机的故障诊断模型。利用三轴压电式加速度传感器,分别从正常齿轮和缺齿齿轮中获取振动信号,从信号中提取特征值作为支持向量机的输入用于故障识别。通过实例验证,相对于BP神经网络故障诊断模型,基于SVM的故障诊断模型具有更高的诊断精度,对变速箱的故障预测和实时诊断具有实际参考意义。     

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.     

基于支持向量机的栗属树种分类研究

形状特征是物体识别的重要依据。同时,分类算法的选择也将对识别的性能造成很大影响。围绕上述两个问题,以栗属树种的果实图像为例,在准确分割出目标图像的基础上,分别应用不变矩和边界矩提取其形状特征值,并使用支持向量机算法对栗属树种果实图像进行分类。实验结果表明:基于支持向量机的栗属树种果实图像分类识别准确率可达到87.5%,识别的结果较为理想。     

基于支持向量回归机的颗粒阻尼减振结构阻尼特性实验

将基于遗传算法(GA)的支持向量回归机(SVR)用于建立颗粒阻尼减振结构阻尼特性预测模型。应用基于结构风险最小化准则的SVR,建立颗粒阻尼减振结构阻尼特性—影响因素SVR预测模型,对颗粒阻尼减振结构的阻尼特性进行预测,并通过实验进行了验证。结果表明:在选择适当的参数和核函数的基础上,利用该方法建立的预测模型,平均相对误差在10.3%左右;颗粒阻尼器的减振性能随填充率的增加而增加,颗粒填充率75%时,减振性能最好;颗粒密度是影响颗粒阻尼器减振效果的重要因素,颗粒密度越大系统的减振性能越好;颗粒阻尼器的减振性能随着颗粒直径的变化不明显。     

基于支持向量机的钢筋腐蚀预测研究

钢筋截面腐蚀速度直接影响其使用寿命,对建筑的安全至关重要。采用三维扫描方法获取钢筋腐蚀状况的三维坐标数据,通过数值计算方法得到圆度、截面粗糙度、内切圆半径/外接圆半径、偏心等7个数值参数来表征生锈钢材的横截面形态。采用粒子群优化支持向量机(PSO-SVM)和网格搜索支持向量机(GS-SVM)计算这7个横截面数字化参数,进而预测钢筋的截面腐蚀速率。研究结果表明,这两种优化支持向量机方法能够准确预测钢材的截面腐蚀速率。相比于GS-SVM模型,PSO-SVM模型能更加准确地预测钢筋腐蚀情况。     

基于支持向量回归的教育评估方法

分析了教育评估问题及现有方法,提出了基于支持向量回归的教育评估方法。首先,介绍了支持向量回归算法。其次,探讨了基于支持向量回归的教育评估原理。最后,以学位授权点合格评估为例进行了模拟评估。     

支持向量机在模式识别和回归模型中的应用

支持向量机是一种新型机器学习方法,能较好地解决小样本、非线性、高维数和局部极小点等实际问题,对未来样本有较好的泛化能力,已成为当前机器学习界的研究热点。本文介绍了支持向量机的数学理论基础及其研究现状,并介绍了支持向量机实用算法的研究情况,指出了支持向量机的局限性和未来的研究方向。     

支持向量机及其应用研究

文章在分析统计学习理论和支持向量机理论的基础上,分别从人脸检测和识别、说话人/语音识别、网络入侵检测、手写体数字识别及其他应用研究等方面对SVM的应用研究进行了综述,并讨论了SVM的优点和不足,展望了其应用研究的前景。     

模糊支持向量机研究综述

模糊支持向量机是在支持向量机的基础上给每个样本赋予一个隶属度,从而减少孤立点以及噪声对最优决策面的影响,广泛应用于模式识别和人工智能领域.本文综述模糊支持向量机的理论基础以及研究现状,详细介绍模糊支持向量机中几种隶属度函数的设计方法以及在现实领域中的应用,最后针对模糊支持向量机算法的关键问题,即模糊隶属度函数的设计,给出一些未来研究方向的展望.