基于测地距离的KNN高光谱遥感图像分类

从高光谱遥感数据的内在非线性结构出发,利用流形学习算法中的测地距离能很好的表示高维数据间的内在结构这一优点,再与传统的KNN分类方法相结合,对KNN进行改进,得到适用于高光谱遥感数据的分类方法。试验结果表明,基于测地距离的KNN算法是一种有效的高光谱遥感数据分类方法。     

一种基于数据空间自适应规则网格划分的Skd-tree最近邻算法

针对现有kd-tree KNN算法的不足,提出了一种基于规则数据空间网格划分的Skdtree KNN算法。该树形结构把数据置于空间网格内部,能更好地利用数据的空间分布特性,可以在更小的范围内对被查询数据定位,有效避免对部分无关数据的计算或回溯;同时,为了适应网格空间的规则性,算法中采用了超方体而非超球体来查询局域空间中的最优结果,避免了空间异构带来的缺点。数字实验的结果证明:Skd-tree KNN比kd-tree KNN具备更好的索引定位精度、更少的无关数据回溯和计算、更短的查询时间,尤其适用于数据样本较大或高维度数据的最近邻查询。     

基于PCA和PSO-SVM的手写数字识别应用研究

针对当前手写数字识别正确率较低这一不足,提出了一种主成分分析(PCA)和粒子群算法优化支持向量机(PSO-SVM)的手写数字识别方法。首先,利用PCA降低输入数据的维数,然后把降维的数据作为SVM的输入,用PSO不断优化SVM中的核函数参数g和惩罚因子c,以提高分类精度。实验结果表明:同传统的SVM、GA-SVM、网格搜索算法、卷积神经网络(CNN)相比,PSO-SVM方法分类方法具有最高的识别准确率且运算效率也较高,达98.2%,性能上优于其他几种分类算法。     

等距特征映射的支持向量机模型在上市公司信用风险评估中的应用

为了实现上市公司信用风险的科学定量管理,提出了一种基于支持向量机(SVM)的信用风险评估方法。考虑到财务数据特征的非线性和高维性,采用等距特征映射(Isomap)算法对财务指标进行特征提取,以减少数据的冗余,针对人为选择SVM参数的盲目性,应用遗传算法优化其参数。通过以中国上市公司财务数据为基础的实证分析表明:基于Isomap的SVM模型比BPNN(BP神经网络)、PCA-SVM(主成分-支持向量机)模型具有更强的信用风险评估能力,小样本评估准确率达到91%。     

KNN方法在高速公路多义性通行费拆分中的应用

正确判断匹配样本状态并采用科学合理的拆分方法是高速公路多义性通行费拆分的关键.利用K近邻聚类 (KNN)的基本理论进行匹配样本状态的判别,给出高速公路多义性通行费拆分方法.以天津市京沪高速和津沧高速二义性路径问题为例,比较应用KNN和RBF神经网络及BP神经网络匹配样本状态的判别效果.研究表明:应用KNN的高速公路多义性通行费拆分方法较RBF、BP神经网络法更客观、公平.     

基于模糊启发式的KNN算法在人才需求信息分类中的应用

随着当前计算机与移动互联网中数据的增长,在海量的网络招聘数据中如何有效挖掘可用信息成为当前教育和社会供需发展的技术瓶颈。为突破该技术瓶颈,提出了一种模糊启发式的KNN文本分类算法:基于ABC(artificial bee colony)的启发式搜索方法,以此来调整特征的权重,并利用模糊距离度量方法以测量测试观察和训练观察之间的相似性。先将招聘信息分词,利用TF-IDF(term frequency-inverse document frequency)算法与AP(affinity propagation)聚类算法进行特征选择和噪声数据剔除,最后采用结合启发式搜索和模糊距离度量的KNN算法对文本信息分类。通过实验结果发现:该方法有效地解决了传统KNN算法在人才需求文本分类方法中稳定性差和分类精度低的问题。     

基于机器学习的抗乳腺癌候选药物的分类预测

乳腺癌是目前世界上最常见致死率较高的癌症之一.通过选用机器学习中处理二分类预测问题的支持向量机(SVM)、K近邻算法(KNN)、随机森林(RF)、极端梯度提升(XGBoost)四种模型,运用每一种模型分别对给定的样本数据构建出化合物的ADMET(吸收Absorption,分配Distribution,代谢Metabolism,排泄Excretion和毒性Toxicity)五个指标的分类预测模型,对比选择出五个指标的预测准确率均在84%以上的XGBoost模型,最后对给定的化合物进行预测并得出化合物所对应的ADMET性质.结果表明,利用XGBoost模型进行分类预测的方法是有效的,对于抗乳腺癌药物的研发具有参考意义.     

适用于不同油纸比的改进KNN变压器拉曼光谱老化评估模型

为了准确判断不同油纸比的变压器油纸绝缘系统的老化阶段,提出一种基于拉曼光谱技术的改进KNN变压器油纸绝缘老化评估模型。制备油纸比分别为10∶1和15∶1的不同老化阶段样本,在拉曼检测平台下获取样本的拉曼光谱并进行去噪声、去基线等预处理。运用改进KNN算法对样本的拉曼光谱数据进行建模分析。结果表明:改进KNN算法的老化评估精度相比传统KNN算法有所提升,对油纸比分别为10∶1和15∶1的样本整体检测准确率分别达到92%和93%。与油中溶解糠醛含量、溶解CO/CO_2值以及绝缘纸聚合度检测等传统老化评估方法相比,该模型可靠易行且评估效果更为精准,进一步验证了改进KNN老化评估模型对不同油纸比的变压器油纸绝缘拉曼光谱老化评估的有效性。     

基于PSO-SVM模型的网络流量预测研究

针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机(SVM)模型进行预测.针对SVM模型中参数难以确定的问题,采用粒子群(PSO)算法进行参数寻优,保证预测的精确度.将PSO-SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO-SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律.     

二进制量子粒子群优化算法及其在化工过程故障诊断中的应用

针对实际化工生产过程中故障数据缺乏,采用适合小样本问题的支持向量机(SVM)对化工过程稳态故障进行诊断。为了保证在线故障诊断的实时性,消除高维监控数据以及系统噪声对故障诊断的干扰,提出了一种新的基于二进制量子粒子群优化(BQPSO)算法和SVM的故障特征选择方法。仿真实验表明:BQPSO算法具有良好的全局搜索能力,能够快速、准确地搜索到故障特征变量;而基于特征选择的SVM故障诊断方法能可靠地实现对复杂化工过程的在线故障诊断。     

基于支持向量机算法的人脸识别技术研究

在讨论人脸识别算法的基础上,提出了基于支持向量机算法的人脸识别技术,进而分析了其原理,确定了多项式的核,并利用人脸数据对多项式核的SVM进行训练,根据训练结果进行识别实验,结果表明：SVM与传统方法比较,对人脸具有较高的识别率。     

非线性可分文本的SVM算法研究与改进

支持向量机(SVM)算法可用来确定非线性可分文本的待分类文本类别。支持向量机的原始问题可以归纳为一个二次规划问题。当规模较大时,标准的SVM算法训练效率较低。本文在分析SVM算法的二次规划问题及利用可行性方向法求解二次规划问题的基础上,将效率较高的可行性方向法应用于求解SVM算法中的二次规划问题,给出了非线性可分文本的SVM算法的改进算法,改进后的SVM算法在时间复杂度上有着明显的提高,从而有效提高了SVM算法的训练效率。     

基于BP神经网络的偶氮苯聚合物的光致双折射特性曲线拟合

介绍了神经网络的基本原理和BP算法神经网络,并将BP神经网络应用于偶氮聚合物的光致双折射特性曲线拟合,在MATLAB环境下,利用实验数据进行了实验测试,结果表明该方法处理数据精度高,拟合效果好.     

恶意网购行为分类算法研究

因为恶意网购(评价)行为具有偶发性和隐蔽性,所以成为卖家和网购平台提供者关注的问题。针对这一问题,本文设计了一种方案,即通过分析网上购物历史交易数据集(偏斜数据集),找出恶意评价行为的"特征"。本文使用3组UCI中的偏斜数据集进行实验,首先使用了两种能够让偏斜数据集趋于平衡的算法(SSGP、Ensemble算法),再对平衡算法处理后的数据集分别使用经典分类和神经网络算法,最后通过对比实验结果发现SSGP+神经网络这一组合算法对处理偏斜程度较高的训练集效果较好,使用这一组合算法对网上购物的历史交易数据集进行分类,得出的结果对卖家判断恶意购买行为具有较高的参考价值。     

基于SVM学习方法的分析

介绍了增量学习算法、序列最小优化算法、加权支持向量机算法等几种应用于大型数据库,在加快训练速度、降低分类错误率等方面有改进的SVM流行算法.在分析各种算法优缺点的基础上,提出了在线性样本训练、超大规模样本下满足KKT条件的算法是SVM算法的发展方向的观点.     

免疫进化算法和神经网络在建立财政收入预测模型中的应用

通过对历史数据的数学处理,采用人工神经网络的方法建立财政收入预测模型。针对前向网络BP（Baek-propagation Algorithm）算法——梯度下降搜索方法的不足,提出用免疫进化算法来训练BP模型网络参数。利用福建省1990-2004年的财政收入数据建立神经网络预测模型,并用2005、2006年的数据进行预测预报检验。结果表明：采用免疫进化算法建立的神经网络财政收入预测模型,模拟和预测精度高,具有实际应用价值。     

基于MEA＿SVM空气质量指数预测

针对大气污染物的动态性和高时空变异性,分析了影响太原市空气质量评价的主要污染物,建立思维进化算法(MEA)与支持向量机(SVM)结合的新模型MEA_SVM,并将该模型用于空气质量指数(AQI)的预测。实验结果表明:MEA_SVM算法在保证SVM预测准确率的同时显著提高了预测速度,在预测可靠性、预测精度方面均优于遗传算法与SVM的结合方法和粒子群算法与SVM结合的方法,因此MEA_SVM算法在城市空气质量预测中有一定的实用价值。     

项目网络组织协同治理绩效影响因素分析

为了能够更加准确地判断结构损伤位置和程度,本文提出了基于粒子群优化支持向量机（PSO SVM）方法对斜拉桥主梁进行损伤识别的新方法。该方法以最敏感索张力指标作为损伤识别指标,利用粒子群（PSO）算法寻找支持向量机（SVM）最优参数,建立SVM预测模型,以不同位置、不同损伤程度下最敏感索的张力指标作为SVM的训练和测试输入,由SVM的输出确定损伤位置。通过对实验室的模型斜拉桥的主梁损伤进行了仿真验证,结果表明：采用PSO算法很好地解决了采用SVM方法进行损伤识别时的参数选择随机性难题,实现了对SVM模型参数     

基于离散粒子群和支持向量机的故障诊断方法

针对与故障不相关的变量会影响分类器性能,从而导致故障诊断正确率下降,提出一种将离散粒子群算法(PSO)与支持向量机(SVM)相结合寻找故障特征变量的优化算法。该算法实现了数据降维和故障特征保留,有效地提高了故障诊断性能。基于连续搅拌釜式反应器(CSTR)的仿真实例验证了该算法的有效性。     

基于支持向量机的企业现金流量评级

为了防范信贷风险,商业银行对企业的现金流量评级十分重视。这篇文章把企业现金流量分为三类:充足、一般和不足,然后把支持向量机(SVM)应用到企业现金流量评级研究中。通过实证研究表明,在现金流量评级问题中,SVM比BP神经网络更具有优越性。