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票预测系统

股票预测系统主要是用支持向量机的回归预测算法来实现对股票周线的预测。其首先根据股票数据特征值建立一个模型,然后利用该模型进行股票周线的预测,最后与真实结果相对比。实验表明此算法考虑的特征因素较多,预测的准确率相对较高。     

基于支持向量机的铁路客运量预测

提出了一种基于最小二乘支持向量机(LS-SVM)的铁路客运量预测的新方法。1985—2002年的铁路客运量组成整个数据集。前5年的客运量用来预测第6年的客运量,由1985—1999年的客运量建立LS-SVM客运量预测模型。运用建立该模型预测2000—2002年的铁路客运量。结果表明:提出的LS-SVM客运量预测方法是有效的。     

基于支持向量机的siRNA降解效率预测

为了辅助siRNA的设计,从已发表文献中共收集到573个siRNA的实验数据,使用基于统计学习理论的支持向量机(SVM)方法,提取了siRNA序列的碱基对关联性(BBC)特征,然后使用十倍交叉验证方法,对siRNA沉默目标基因的效率进行了预测.结果表明,基于支持向量机,选用多项式核作为核函数的算法具有最高的AUC值(0.73,ROC曲线图)和最高的r值(0.43,Pearson相关系数分析),优于以前基于打分的算法.结果说明,在以后的siRNA的设计中应该更多关注碱基之间的关联信息.     

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.     

基于粒子群优化支持向量机的矿井涌水量预测

矿井涌水量预测是一项复杂而有难度的技术,受到很多因素的影响.提出基于粒子群优化支持向量机(PSO-SVM) 的矿井涌水量预测方法,即将粒子群优化算法(PSO) 用于SVM 参数优化.它不仅具有很强的全局搜索能力,而且容易实现.经实验结果证明,PSO-SVM的预测输出与实测数据基本一致,其预测精度高于普通的SVM,所有的预测误差都远小于5% 的工程许可误差.     

支持向量回归机的超高压输电线路可听噪声预测

针对现有神经网络方法在预测超高压输电线路可听噪声方面存在的不足,提出了一种新的基于支持向量回归机的超高压输电线路可听噪声预测方法。在分析了超高压输电线路可听噪声主要影响因素的基础上,建立了超高压输电线路可听噪声预测指标体系,进一步建立了基于支持向量回归机的超高压输电线路可听噪声预测模型。仿真结果表明,所建立的预测模型合理有效,具有较高的预测精度和较好的推广价值。     

基于模糊支持向量机的语音情感识别

根据输入样本对分类结果不同的影响程度,引入模糊隶属度,探讨了模糊支持向量机(FSVM)原理,并将其应用于汉语语音信号中生气、高兴、悲伤、惊奇4种主要情感类型的识别。仿真实验结果表明FSVM比支持向量机(SVM)有着更好的分类性能和更高的识别率。     

支持向量机在凝冻日数预测中的应用

分析影响凝冻天气的相关因素：温度、降水量、湿度、气压和风速,对这些数据进行归一化处理,并以这些数据为输入样本,以是否有凝冻为输出样本,选取1969—2000年的数据作为训练样本,以2001—2008年的数据作为测试样本,然后分别用支持向量机和BP神经网络对凝冻天气进行识别预测。通过数据分析和实验比较,采用支持向量机对凝冻的识别率比BP神经网络更精确,这对凝冻天气的预测有很大帮助。     

基于支持向量机的手写数字串识别

手写数字识别是手写字符识别的一个重要分支,单个数字识别技术已经比较成熟,而手写数字串的切分与识别则成为了该领域的一个难点。本文针对手写数字串的切分和识别设计了一种实验模型,该实验模型针对手写数字串的过度切分以及不足切分的特殊情况设置基于支持向量机的检测器进行再次识别确认,实验证明,使用基于支持向量机的检测器大大的减少了因为错误切分而带来的识别率的下降。     

基于支持向量机方法的股票预测模型

利用支持向量机方法建立股票投资预测模型,经过与多项式函数及Sigmoid核函数的对比,选用Gauss径向基函数作为SVM核函数;抽取223支上市公司的股票作为研究样本,并选取对股票投资影响显著的财务指标构造样本数据集,代入支持向量机模型进行实证测算;实验表明,与BP神经网络模型相比,在样本有限的情况下,基于支持向量机的股票投资模型预测精度更高。     

基于支持向量机的手写数字串识别

手写数字识别是手写字符识别的一个重要分支,单个数字识别技术已经比较成熟,而手写数字串的切分与识别则成为了该领域的一个难点。本文针对手写数字串的切分和识别设计了一种实验模型,该实验模型针对手写数字串的过度切分以及不足切分的特殊情况设置基于支持向量机的检测器进行再次识别确认,实验证明,使用基于支持向量机的检测器大大的减少了因为错误切分而带来的识别率的下降。     

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.     

一种新的模糊支持向量机方法

针对分类问题的支持向量机方法中存在对噪声和野值敏感的问题,提出了一种新的隶属度函数确定方法．研究和分析了目前针对这些问题所提出的模糊支持向量机方法,而在模糊支持向量机方法中,隶属度函数的设计是整个模糊算法的关键所在,文中主要对隶属度函数进行了深入地研究,在类中心向量方法的基础上,即在确定样本的隶属度时,对类中心距离方法进行改进,得到新的隶属度计算的方法,并从数值实验方面表明该方法的有效性和可行性．     

基于支持向量机的结构损伤识别

支持向量机是一种基于统计学习理论和结构风险最小化原则的新型机器学习算法。介绍了支持向量机分类概率估计和回归估计,构造基于模态频率的损伤指标标识量,根据分类概率估计与回归算法计算结构损伤位置及程度。通过简支梁仿真算例,验证了该方法的有效性。     

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.