搜索结果: 1-15 共查到“计算机科学技术 向量机”相关记录277条 . 查询时间(0.142 秒)
基于支持向量机与概率输出网的深度学习模型
支持向量机 概率输出网络 深度学习 K-S检验
2018/11/15
本文提出了基于支持向量机与概率输出网络的深度学习回归模型.该回归模型利用深度学习的深层结构，以及支持向量机的泛化能力、概率输出网络中的条件概率估计特点，建立了多层支持向量机的深度学习结构，避免了深度学习的参数选择问题.其中核参数的选择域呈网格状，通过求取输出对应β分布的累积概率分布和经验累积概率分布的K-S检验，求取一致性的p值最大对应的核参数作为支持向量机模型的核参数.对应的输出为模型提取的特征...
为获得具有模糊规则自适应约简性能和较好的泛化性能的TSK分类器,本文提出了一种结合模糊(C+P)均值聚类(FCPM)算法和SP-V-支持向量机(SVM)分类算法来构建TSK(Takagi-Sugeno-Kang)分类器的方法。该方法首先用FCPM聚类算法对训练数据进行聚类;然后根据聚类结果确定TSK分类器的模糊规则前件中的高斯隶属度函数的中心和宽度参数;最后采用成组稀疏约束SP-V-SVM算法对模...
核化一类硬划分SVDD、一/二类L2-SVM、L2 支持向量回归和Ranking SVM均已被证明是中心约束最小包含球. 这里将多视角学习引入核化L2-SVM, 提出核化两类多视角L2-SVM (Multi-view L2-SVM), 并证明该核化两类Multi-view L2-SVM 亦为中心约束最小包含球, 进而提出一种多视角核心向量机MvCVM. 所提出的Multi-view
L2-SVM...
基于单分类支持向量机和主动学习的网络异常检测研究
网络安全 异常检测 单分类支持向量机 主动学习
2015/12/21
对基于支持向量机和主动学习的异常检测方法进行了研究,首先利用原始数据采用无监督方式建立单分类支持向量机模型,然后结合主动学习找出对提高异常检测性能最有价值的样本进行人工标记,利用标记数据和无标记数据以半监督方式对基于单分类支持向量机的异常检测模型进行扩展。实验结果表明,所提方法能够利用少量标记数据获取性能提升,并能够通过主动学习减小人工标记代价,更适用于实际网络环境。
加权最大夹角间隔核心集向量机的不平衡数据分类
TopK, 标签 项目层次 倒排索引
2014/8/19
针对协同过滤算法推荐效果依赖于相似度度量方法的问题,提出了一种基于项目层次结构相似度的推荐算法REHIS(recommendation hierarchical similarity)。首先利用关联规则挖掘和KNN(K nearest neighbor)算法完善项目层次结构,然后利用TopK算法计算项目之间的相似度,最后利用基于项目的协同过滤算法框架预测用户评分。为解决协同过滤算法扩展性差的问题,...
基于支持向量机的半导体生产线动态调度方法
动态调度 特征选择 二进制粒子群优化算法 支持向量机
2015/5/20
为了快速合理地选择调度策略,研究了一种半导体生产线动态调度策略选择方法。该方法以历史数据为基础,选取支持向量机为数据挖掘工具,采用二进制粒子群优化算法对生产属性(特征)子集进行寻优,获得基于支持向量机的动态调度策略分类模型。对于任意给定的生产状态,通过该模型,能实时地获取当前生产状态下近似最优的调度策略。在调度策略评价中,选用了基于功效函数与熵权法的多目标评价方法,以扩展该方法的应用范围。在某实际...
基于MultiBoost的集成支持向量机分类方法及其应用
支持向量机 荷尔蒙调节遗传算法 多分类器集成 网络故障诊断
2015/5/19
针对网络故障诊断中的模式识别问题, 提出一种基于多重提升(MultiBoost) 的优化支持向量机集成学习方法. 首先, 利用自适应的荷尔蒙调节遗传算法(HMGA), 对支持向量机基分类器进行建模参数优化; 然后, 通过构建MultiBoost 集成学习方法将多个基分类器集成, 建立以多分类器优化集成为核心的故障诊断系统. 实验结果表明, 所提出的方法在网络故障诊断中, 迭代次数少、建模时间短, ...
针对目前常用于P2P流量识别的有监督机器学习方法普遍存在时间代价较高的现状,提出采用时间代价为标准支持向量机四分之一的双支持向量机来构建分类器,并采用K均值集成方法快速生成有标签样本集,组合有标签样本集构成双支持向量机的训练样本,最后利用构建好的双支持向量机分类模型进行P2P流量的识别。实验结果表明采用基于K均值集成结合双支持向量机的方法在P2P流量识别的时间代价、准确率和稳定性方面要远优...
提出了一种新的模式分类器，即广泛权重的最小二乘孪生支持向量机.该支持向量机在正、负两类样本上广泛地增加权重，很好地抑制了交叉噪声样本对数据分类的影响.其次，根据间隔最大化原理，该支持向量机在目标函数上增加了一个正规化项，实现结构风险最小化和避免在求解该目标函数时可能对病态矩阵求逆的处理.同时，提出了利用一种指数函数计算训练样本的密度来获得样本权重值的算法.该算法能够有效缩减计算权重的时间，且具有较...
新型二分类支持向量机P2M-SVM
可能性二均值聚类 半监督二分类支持向量机 全局最优 稳健性 泛化能力 P2M Semi-Supervised SVM Robustness Generalization Ability
2014/6/20
提出基于可能性二均值聚类(Possibilistic Two Means, P2M)的二分类支持向量机(Support Vector Machine, SVM)。该算法先用P2M对未知类别的二分类数据进行划分，然后利用支持向量机对划分后的数据进行训练。人造数据和UCI数据上的分类实验表明，该算法综合利用了P2M聚类的稳健性和SVM分类的强泛化能力，提高了传统聚类的分类精度并降低了SVM的类别采集代...
针对传统的灰色系统中预测模型涉及相关因素多,预测效率与精度不足等问题,结合粗糙集理论和支持向量回归机方法,提出了一种改进的预测优化算法。该模型算法首先利用属性约简技术解决影响因子不相容性问题并有效缩减了影响预测值的因子空间,降低计算的复杂性;然后采用灰色模型进行数据预测,并将预测结果作为支持向量机的输入,进而求解优化模型的预测值,最后采用1990～2010年我国人口数据对我国人口进行预测。实验结果...
针对M-ary支持向量机(SVM)多类分类算法结构简单,但泛化能力较弱的特点,提出了与纠错编码理论相结合的改进的M-ary SVM算法。首先,将原始类别信息编码作为信息码;然后结合纠错编码理论及期望的纠错能力,产生一定程度上性能最佳的编码,作为分类器训练的依据;最后,对于识别阶段输出编码中的错误分类利用检错纠错原理进行校正。实验结果表明,改进的算法通过引入尽可能少的冗余子分类器增强了标准M-ary...
图像型火灾探测具有非接触性、反应快等优点,可有效解决大空间火灾探测难题,是火灾探测新的研究方向,其核心问题是火焰和干扰物的分类识别。常用方法是提取火焰在图像上表现的单个或某几个特征信息作为识别依据,需要设置大量经验阈值,识别率常因特征选择不合适而受到影响。通过对火焰整体特性的研究,提出了基于独立成分分析和支持向量机的火焰探测方法。首先在RGB空间建立颜色模型对连续数帧火灾图像预处理,并进行频闪特性...
线性支持向量机多类分类器几何构造方法
支持向量机 最优分类线 点集凸包 Delaunay三角剖分 多边形中轴线 多类分类
2012/3/12
针对支持向量机多类分类问题，根据样本点集凸包找寻模式类间隙，通过提取模式类间隙多边形中轴线构造多类分类边界。当基本支持向量机扩展为多类分类问题时，该方法克服了OAO和OAA等传统方法存在的决策盲区和类别不平衡等缺陷。基于仿真数据集的 实验结果表明，构造的分类边界在保证分类精度的同时，能够使分类空隙最大化，实现对线性可分多类数据的最优分类。