基于支持向量机的空气质量预测

用支持向量机对城市空气质量的AQI指数、PM2.5、PM10分别进行预测,首先利用小波将已知的各AQI指数、PM2.5、PM10数据序列分解为低频子序列和高频子序列并重构,然后利用重构后的各子序列和对应气象数据使用支持向量机分别进行训练和预测,最后合成得到预测结果,实验结果表明该方法的预测效果较好。     

基于支持向量机的石油勘探预测

讨论了支持向量机中高斯核函数中参数σ对支持向量机学习预测性能的影响,指出高斯核函数具有描述样本相似程度这一性质,通过数值实验给出一种选择高斯核函数的方法——拐点法。然后针对石油地质勘探的实际问题,将支持向量机运用测井曲线预测储层参数,同时与反向传播神经网络函数逼近法预测进行比较,结果表明该方法预测精度高、方法稳定有效,支持向量机较好的解决了小样本测井勘探的实际问题。     

基于支持向量机的外贸出口预测

针对支持向量机(SVM)方法所具有的拟合精度高、推广能力强、全局最优且针对小样本等特点,本文将SVM回归建模方法引入到外贸出口预测中,对出口时间序列建立预测模型,并利用此法对重庆摩托车出口进行了预测,对其预测性能进行了验证比较。结果表明,SVM方法对非平稳的小样本出口时间序列数据有良好的建模和泛化能力,且可达到较高的预测精度。     

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。     

基于支持向量机和改进粒子群算法的科学前沿预测模型研究

【目的/意义】识别科学研究前沿主题,预测未来发展趋势。【方法/过程】首先利用主题概率模型识别出论文、 专利及基金项目多源数据中的科学前沿主题;考虑研究前沿主题演化的复杂性和非线性的特点,利用机器学习算 法和支持向量机模型预测主题发展趋势,并采用改进后的粒子群算法对模型参数进行优化,以提高传统支持向量 机模型在处理非线性、小样本等数据上的预测准确度。【结果/结论】实验对比发现,本方法对于研究前沿主题的预测 准确度较高,准确识别出石墨烯领域未来发展趋势。     

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。     

基于支持向量机的水质分类研究

文章在水质监测网站上获取监测数据,首先对数据进行预处理剔除无效数据和无关变量,然后分别建立了线性支持向量机模型和非线性支持向量机模型,采用相同的水质数据使用不同模型分类并利用Python软件进行编程对比,都先使用网格搜索算法对惩罚系数进行寻优,非线性持向量分类机经过交叉验证后选用RBF核函数,实验结果证明采用非线性支持向量机得出的分类准确率更高,更具有推广性。     

基于支持向量机的遥感影像分类

遥感影像分类是提取遥感信息的基础步骤与重要手段,然而由于影像分辨率以及同谱异物与同物异谱现象,传统的分类方法难以实现高精度的分类。基于智能算法的非参数分类方法已开始应用于遥感分类中。本文以佛山市为研究区,对其遥感影像采用支持向量机方法进行土地利用覆盖分类研究,并对分类结果进行精度评价。结果表明:支持向量机分类有较高的精度,是遥感影像分类的有效方法。     

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。     

基于支持向量机的飞行品质评价

基于目前对飞行品质的评价没有一套完整、准确的自动评价系统,本文提出了基于支持向量机的飞行品质评价方法,用支持向量机模型来构建一套自动评价系统。模型把飞行员的生理信号数据和飞行数据结合起来,以心率、呼吸频率、下降率、偏航角、速度变化率、着陆速度、襟翼度数作为模型的输入,飞行品质作为输出,对飞行员飞行品质做出了评价。本文通过该模型和传统神经网络模型作比较,结果表明:对于飞行员飞行品质评价问题,支持向量机方法较传统神经网络方法精度更高,实际应用中也更易于实现;并且它也很好的弥补了专家打分主观性强的不足。可用作评价飞行品质的模型。     

基于支持向量机的图像边缘检测

提出了一种基于支持向量机的图像边缘检测的新方法,可结合已有的各种边缘检测算子,可通过人机交互来进行边缘检测。本文将这种新方法与Laplace算子相结合,并将几种常用核函数对实验结果的影响进行了对比。实验结果表明:线性核、多项式核和高斯径向基核的效果较好,而非正定核Sigmoid核的效果相对较差。     

基于支持向量机的网页分类研究

探讨了网页的文本分类,阐明了多层文本的概念,分析了支持向量机的数学模型及基于支持向量机的层次文本分类算法,提出了基于支持向量机的网页分类方法流程,指出了进一步研究的要点。     

基于支持向量机的采煤机轴承故障诊断

轴承在旋转机械中起着重要的作用,其故障是导致旋转机械故障的主要原因之一,它们的功能直接关系到这些机器的操作性能、使用寿命和效率。因此,识别和诊断轴承的故障行为对于设备的可靠运行非常重要。基于此,本文提出了一种从振动特征中提取最优故障指标并使用支持向量机(SVM)建立轴承故障的诊断方法。在恒定载荷条件下,以三种速度采集振动信号,然后,在时域、频域和时频域中提取最优的统计特征。结果表明,与单域信号相比,多域的时频特征具有更好的性能。     

基于支持向量机的技术成熟度预测

技术成熟度是企业理解技术成长规律、制定技术战略的理论基础,而普遍用于技术成熟度预测的成长曲线由于其函数本身存在的局限性即过拟合或欠拟合问题会影响预测结果的准确性。基于支持向量回归机的预测法,结合专利分析法和文献计量法,以燃料电池技术为样本对其成熟度进行预测,并与成长曲线模型作了对比分析,结果表明基于支持向量回归机的预测曲线对于分析技术成长轨迹有很好的应用价值。     

基于支持向量机的边坡形变预测

为了降低露天矿山在金属非金属矿山安全生产中的危险,提高露天矿边坡在线监测数据的准确性,提高露天矿山边坡稳定性的预报预测水平,本文将露天矿山边坡形变位移作为研究重点,以在线监测技术测得的数值为原始数据,利用支持向量机的方法,以时间为主线,建立露天边坡形变位移数学模型,最后,进行了工程实际露天边坡形变位移预测,结果表明,利用支持向量机方法建立的模型进行预测可以排除天气、现场条件和设备失效等许多因素的影响,为露天采场安全生产提供可靠的依据,保障了露天采场作业的安全,从而保障了人民的生命财产安全。     

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。     

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。     

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。