搜索结果: 151-165 共查到“计算机科学技术 向量机”相关记录277条 . 查询时间(0.18 秒)
支持向量机和蚁群算法的网页分类研究
支持向量机 召回率 准确率
2009/7/3
网页分类技术是Web数据挖掘的基础与核心，是基于自然语言处理技术和机器学习算法的一个典型的具体应用。基于统计学习理论和蚁群算法理论，提出了一种基于支持向量机和蚁群算法相结合的构造网页分类器的高效分类方法，实验结果证明了该方法的有效性和鲁棒性，弥补了仅利用支持向量机对于大样本训练集收敛慢的不足，具有较好的准确率和召回率。
支持向量机一阶光滑函数及其逼近精度研究
分类 支持向量机 光滑
2009/7/3
光滑函数在支持向量机中起着重要作用，熊金志等人用插值函数的方法得到了一个递推公式。论文导出了一阶光滑函数的表达式，并分析了它的逼近性能，为研究光滑支持向量机提供了一些理论支持。
支持向量机在分类和回归中的应用研究
支持向量机 分类 回归
2009/7/3
SVM在许多领域的分类和回归方面起了越来越重要的作用，显示了它的优势。由于SVM方法较好的理论基础和它在一些领域的应用中表现出来的与众不同的优秀的泛化性能，近年来，许多关于SVM方法的应用研究陆续提了出来。围绕支持向量机在分类和回归中的问题进行了阐述，使我国在这一领域的研究和应用能够尽快赶上国际先进水平具有十分重要的意义。
最小二乘小波支持向量机的DNA序列分类方法
核函数 最小二乘小波支持向量机 分类
2009/7/3
目前使用的已有SVM核函数，在分类中不能逼近某一L2（R）（平方可积空间）子空间上的任意分类界面。针对上述问题，在支持向量机的核函数方法和小波框架理论的基础上，提出了LS-WSVM结构模型。实验结果表明，和标准的SVM和LS-SVM比较起来，在同等条件下，LS-WSVM在分类方面具有优良的特征提取性能。
基于小波和支持向量机的多尺度时间序列预测
支持向量机 多尺度 数据挖掘
2009/7/2
介绍了相空间重构和基于支持向量机的时间序列预测建模技术,提出了基于小波和支持向量机的复杂时间序列预测方法,利用小波对复杂时间序列进行多尺度分解,对重构后的近似序列和细节序列分别利用支持向量机进行回归预测并将结果融合。对股票数据进行预测,试验结果表明该方法预测精度高于单尺度支持向量机和神经网络预测方法,可用于复杂非平稳时间序列的预测。
基于遗传算法的回归型支持向量机参数选择法
回归型支持向量机 遗传算法 参数选择
2009/7/2
研究了遗传算法在回归型支持向量机参数选择中的应用：首先，分析了支持向量机的几个参数对其预报能力的影响，发现参数选取不当，会导致支持向量机出现过学习或欠学习现象；在此基础上提出利用遗传算法来解决回归型支持向量机的参数选择问题，模拟实验证明，该方法克服了传统参数选择方法存在的缺点，提高了支持向量机的预报精度。
基于支持向量机的径向基网络结构优化
径向基网络 特征变换 故障诊断
2009/7/2
为了解决径向基网络（RBF NN）结构设计的随机性，进一步优化RBF网络性能，提出一种基于支持向量机（SVM）的径向基网络结构优化方法。通过训练得到的SVM确定径向基网络的隐层节点个数、隐层权值和阈值；同时利用SVM对输入向量进行特征变换，进一步对输入向量进行维数约简。通过齿轮箱的故障诊断实验表明，优化后的RBF网络具有更精简、稳定的网络结构，能得到更准确的诊断结果。
基于支持向量机的空调控温过程实时预测
空调 实时预测 温度控制
2009/7/2
分析了空调工作过程中温度控制的重要性与传统方法的不足,将基于统计学习理论的支持向量机方法用于控温过程中,对温度进行实时预测。采用数字实验对所提方法的可行性进行验证,结果表明该方法可以获得比传统方法更高的预测精度,实时性较高,能为空调控温系统提供更好的决策支持,具有较大的发展潜力和实用价值。
基于支持向量机的脑电信号中左右手判别
脑－机接口 支持向量机 共空域子空间分解
2009/7/2
在脑-机接口的研究中分类识别技术占有重要地位。介绍了一种方法，用于对单次信号的分类。这种方法主要思想是将共空域子空间分解和支持向量机相结合，以便提取信号特征。该方法被用于“BCI Competition 2003”第IV数据包上，分类正确率达89%。
基于支持向量机的时态数据预测方法
回归支持向量机 时态数据 预测
2009/7/2
支持向量回归机使用由经验误差项和常数项所构成的风险函数，满足结构风险最小原则。在时态数据预测领域，它将成为一种很有前途的预测方法。简要介绍了回归支持向量机的基本理论。基于回归支持向量机模型，建立了一个对时态数据预测的方法，可以对多属性时态数据进行预测，并与其它预测模型（BP神经网络）进行比较。实验结果表明所提出的方法在预测的稳定性和准确性方面都要优于BP神经网络模型。
基于支持向量机的特征提取方法研究与应用
支持向量机 特征提取 分类识别
2009/7/2
支持向量机是一种基于结构风险最小化原理的分类技术，已逐渐引起国内外研究者的关注。提出了一种用于最佳特征子集选取的特征筛选算法，且实现了特征与分类识别相关性强度的排序，并通过使用该算法对Ⅱ型糖尿病判别与风险因素筛选，求证了该方法的可靠性和可行性。当以该算法提取的特征子集{腰围、腰围/臀围、舒张血压、年龄}作为输入向量时，敏感度、特异性、准确率最高，分别为0.866 6、0.642 0、0.701 4...
基于支持向量机的无监督聚类算法研究
结构风险 无监督学习 聚类
2009/7/2
分析了支持向量机在解决无监督分类问题上的不足,提出一种基于支持向量机思想的最大间距的聚类新方法。实验结果表明,该算法能成功地解决很多非监督分类问题。
基于支持向量机的中药工艺参数优化研究
支持向量机 工艺参数 建模与优化
2009/7/2
提出了基于SVM的滴丸生产工艺参数优化方法，较好地预测了滴丸含水量，给出了各工艺参数取值范围，在实际生产中取得了良好效果。理论分析和仿真研究表明，该方法学习速度快、跟踪性能好、泛化能力强、对样本的依赖程度低，比基于BP神经网络的建模具有更好的推广能力。
基于支持向量机回归模型的海量数据预测
数据挖掘 支持向量机 回归模型
2009/7/2
预测是很多行业都需要的一项方法和技术，随着数据积累的越来越多，基于海量数据的预测越来越重要，我们在介绍支持向量机基本原理和实现算法的基础上，给出了航空服务成本预测模型，最后对预测结果的评价和选取情况进行了分析。