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。     

基于支持向量机的商业银行信用风险评估模型研究

本文将支持向量机(SupportVectorMachine,SVM)应用于商业银行信用风险研究中,通过实证研究,证实了该方法用于商业银行信用风险评估比BP神经网络更具有效性和优越性。     

基于支持向量机的企业赊销风险评估模型

结合赊销风险的特征,提出将"赊销风险度"作为新的赊销风险度量标准,在定义赊销风险度的基础上,将企业赊销风险划分为5个等级,并将支持向量机(SVM)引入赊销风险评价,建立了基于SVM的企业赊销风险评价模型。实证结果表明,该模型有效且可行。     

基于支持向量机的miRNA预测方法研究

本文从miRNA及其前体的生物学特征出发,在对支持向量机理论及其应用特点进行研究的基础上,构建了基于支持向量机的miRNA预测过程模型,在miRNA特征的向量表示、miPNA特征选择、预测模型核函数及参数选择方面进行了研究.以水稻、拟南芥、玉米的miRNA为实例,对基于支持向量机的miRNA预测方法的预测准确率进行了验证,实验结果表明该方法预测准确率达95%以上.     

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。     

基于支持向量机的上市公司财务预警模型研究

基于近年来在智能学习系统领域发展起来的新理论,引入小样本学习的通用学习算法——支持向量机(SVM),建立了上市公司财务预警模型,通过与神经网络模型的比较,证实了该方法用于财务预警的有效性及优越性。     

基于支持向量机的上市公司财务预警模型研究

基于近年来在智能学习系统领域发展起来的新理论,引入小样本学习的通用学习算法--支持向量机(SVM),建立了上市公司财务预警模型,通过与神经网络模型的比较,证实了该方法用于财务预警的有效性及优越性.     

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%。     

基于支持向量机的高新技术企业与传统企业的类型辨识模型研究

基于支持向量机神经网络理论,首创性地建立了一个由业绩产出财务指标辨识高新技术企业与传统企业类型的支持向量机模型。模型以企业的业绩产出财务指标数据为基础,以径向基函数作为核函数,使用网格寻优方法调节模型参数,得到优化后的模回去型,并使用测试集数据验证了模型。对结果进行二元分类决策分析,结果表明:该模型的准确率和决策率等主要评价指标都达到了85%以上,具有较高的辨识能力和可信度,为高新技术企业和传统企业的类型辨识提供了一种可靠的、简单方便的方法,可以直接量化地判别企业是否属于高新技术企业。     

一种基于支持向量机的蠓虫分类方法

讨论两类蠓虫的分类问题。利用极大化“间隔”的思想,将分类问题转化为一个二次规划及其对偶规划问题,即支持向量机算法。通过求解此数学规划,得到一线性分类函数。基于该算法,通过给定的蠓虫的样本集,建立上述分类模型,求得一个线性分类函数,为蠓虫的正确分类提供了一个较可靠的方法。     

基于Garbor滤波和PCA的双核LSSVM人脸识别

为了对具有不同表情和姿势等特征的人脸进行有效识别,同时解决以往人脸识别方法的维数灾和识别准确率低的问题,提出了一种基于Garbor滤波和双核LSSVM的人脸识别方法。首先,采用Gabor滤波器提取原始人脸图像在不同尺度和方向上的人脸特征向量,然后采用主成分分析法对特征向量降维以解决维数灾问题。为了解决传统最小二乘支持向量机方法中核函数选取不能同时具有较强外推能力和插值能力的缺点,设计了一种新的核函数综合加权了多项式核函数和径向基函数。最后,采用训练样本数据对LSSVM进行训练得到最终的人脸分类模型。采用Matlab仿真工具对文中方法进行仿真,并与其它方法进行对比,实验结果表明文中的方法能有效地实现对人脸表情进行分类,且具有分类效率高和识别精度高的优点。     

基于支持向量机的局部二值模式加权算法在人脸识别中的应用

针对人脸特征的提取问题,提出了在SVM的基础上结合局部二值模式(LBP)加权算法。首先描述了人脸图像的LBP和深度LBP特征,通过加权形成人脸特征向量,通过这些向量采用支持向量机进行分类,依托人脸数据库进行仿真。实验结果表明,本文算法提高了人脸平均识别率以及识别效率,具有一定的推广价值。     

基于支持向量机的局部二值模式加权算法在人脸识别中的应用

针对人脸特征的提取问题,提出了在SVM的基础上结合局部二值模式(LBP)加权算法。首先首先描述了人脸图像的LBP和深度LBP特征,通过加权形成人脸特征向量,通过这些向量采用支持向量机进行分类,依托人脸数据库进行仿真。实验结果表明,本文算法提高了人脸平均识别率以及识别效率,具有一定的推广价值。     

基于支持向量机的外贸企业客户分类方法应用研究

本文综合了销售量和净现值两个方面作为客户价值分类技术指标,将支持向量机用于外贸公司的客户类别的识别,同时采用了支持向量机模型中的一些核函数对样本进行学习分类,对它们的分类结果进行了比较。实证分析表明：分类指标的确定是有效的;支持向量机采用参数为1时的径向基核函数具有较好的分类效果,分类结果精度、召回率、F-measure分别达到0．85、0．8、0．83。     

基于机器学习算法的研究热点趋势预测模型对比与分析——BP神经网络、支持向量机与LSTM模型

[目的/意义]细粒度分析学科领域热点主题发展脉络并对利用机器学习算法对未来发展趋势进行准确预测研究。[方法/过程]提出一种基于机器学习算法的研究热点趋势预测方法与分析框架，以基因工程领域为例利用主题概率模型识别WOS核心集中论文摘要数据研究热点主题并进行主题演化关联构建，然后选取BP神经网络、支持向量机及LSTM模型等3种典型机器学习算法进行预测分析，最后利用RE指标和精准度指标评价机器学习算法预测效果并对基因工程领域在医药卫生、农业食品等方面研究趋势进行分析。[结果/结论]实验表明基于LSTM模型对热点主题未来发展趋势预测准确度最高，支持向量机预测效果次之，BP神经网络预测效果较差且预测稳定性不足，同时结合专家咨询和文献调研表明本文方法可快速识别基因领域研究主题及发展趋势，可为我国学科领域大势研判和架构调整提供决策支持和参考。     

融合分治法与支持向量机的“算法设计与分析”教学模式研究

"算法设计与分析"是计算机类本科生的专业必修课,内容涵盖递归、分治等多种算法的模型设计、代码实现和案例分析。有效掌握课程内容对日后从事机器学习方向的算法工程师岗位或进一步地科研深造等均具有十分重要的作用。然而,当前的课程内容缺乏与相关机器学习算法的关联性分析,导致学生难以将课程所学知识有效运用在实际应用或科研工作中。为此,本文以分治法为例,探讨将分治法的求解过程与运用支持向量机求解多类分类问题的一对一方法有效融合在一起。通过分析新的课程教学模式,进一步培养学生日后从事相关工作的能力。     

改进的支持向量机网络木马病毒检测算法研究

提出一种支持向量机的木马检测方法.首先对木马程序进行特征提取,然后采用支持向量机对木马数据进行训练,建立一个木马检测模型,最后采用木马检测模型对检测程序进行检测,将其分类为合法程序或木马程序.实验表明,采用本方法木马检测准确率在98,4％,远远高于传统木马检测算法的准确正确率,且检测时间更少,更加符合木马实时性要求高的特点.     

基于支持向量机的预报技巧的预报模型研究

用2002年1月1日至2004年5月31日两年5个月的国家气象中心(北京)T213L31模式的初始资料和预报资料,对500 hPa高度场的预报技巧——距平相关系数进行了统计分析,在了解其变化特征、规律和关联因子的基础上,对预报技巧变化的机制作了一个初步探讨。考虑到大气时空变化的复杂性,针对各个季节分别设计了基于支持向量机的预报技巧的预报模型。研究结果表明:支持向量机模型预报值可以较好地反映预报技巧变化的趋势,将其应用于预报技巧的预报是可行和有意义的。