改进核函数的支持向量机智能诊断方法研究

针对目前支持向量机( SVM)智能诊断方法核函数选择困难以及参数选择具有随意性的问题,提出了基于模拟退 火算法改进核函数的SVM智能诊断方法,重新设计了支持向量机的核函数以及参数。多项式核函数是局部核函数具有 较强的拟合能力,而径向基核函数是全局核函数具有较强的外推能力,根据Mercer理论,建立一种由多项式核函数与径 向基核函数组合而成的复合核函数,并利用模拟退火算法全局寻优的优点,对支持向量机的参数做最优选择;改进后的 SVM运用于轴承故障诊断。研究结果表明：相对于传统SVM法,该方法具有较好的学习效率及较高的诊断准确率;该方 法运用于轴承故障诊断领域极大地提高了故障诊断的准确率以及诊断效率。该研究为基于模拟退火算法改进核函数的 SVM智能诊断方法应用于机械设备故障诊断提供了相应的理论和实践依据。     

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。     

基于支持向量机的短期负荷预测

讨论了现有的支持向量机回归参数选取方法.针对负荷预测建模,采用交叉验证的方法对参数进行选取,得到的最优参数对未来的峰荷进行预测,仿真结果表明了该方法的有效性.     

支持向量机在图像检索中的应用

运用颜色、形状、纹理等特征的基于内容图像检索技术,采用在分类方面具有全局优化、适应性强、理论完备、训练时间短、推广性能好等优点的支持向量机,进行图像分类,较好地实现图像检索的目的,并以舰船图像为例进行了验证,结果表明,支持向量机在图像检索中具有很好的应用效果。     

基于支持向量机算法的癌症预测

将支持向量机SVM(Support Vector Machine)算法用于卵巢癌症质谱数据分类研究,通过与KNN、神经网络算法的预报结果做比较,SVM对癌症数据的预测正确率达到98%,推广能力明显强于KNN、神经网络等传统算法。     

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。     

采用非线性核支持向量机并基于基因表达数据的基因选择和分类

在基于微阵列的癌症分类中,由于变量(基因表达)较多,而实验条件较少,因此特征选择和分类方法非常重要。对于疾病诊断,分类器的性能直接影响到最终结果的准确性。本文提出一种新的基因选择和分类方法,这种方法使用基于递归特征排除(RFE)的非线性核支持向量机(SVM)。实验表明本文方法比其它线性分类方法具有更好的整体表现,如线性核支持向量机和Fisher线性判别分析方法;同样本文方法也比一些非线性分类方法更好,如采用非线性核的最小二乘支持向量机(LS-SVM)。实验除了使用测试集,还使用留一校验算法(leave-one-out)用于测试分类器的泛化性能。实验采用可通过互联网获得的AML/ALL数据集和遗传性乳腺癌数据集。     

基于遗传算法的进化支持向量机研究

支持向量机是最近发展起来的一种新的通用的机器学习方法 ,其理论基础是统计学习理论 ,支持向量机无论在模式识别还是在函数拟合方面均显示了其优越性 ,并越来越受到国内外研究者的广泛关注 .但是 ,对支持向量机的推广预测能力具有很大影响的核函数和参数C一直没有一个很好的确定方法 ,针对这一问题 ,将遗传算法和支持向量机结合 ,提出了一种自动选择支持向量机参数的方法 ,结果表明 ,这种方法是科学有效的 .     

再生核支持向量机在非线性系统中的应用

为了提高非线性系统辨识的精度,提出用Walsh函数作为空间V0的尺度函数,构造出L2(R)空间的正交规范序列。结合小波多分辨分析,将Hilbert空间分为一系列子空间,并由可分Hilbert空间与L2(R)的等价性,利用内积同构的线性算子,可以把V0子空间的尺度函数折算为Hilbert空间的子空间V0的尺度函数,构造出新的Walsh序列再生核。通过仿真实验,与传统的RBF核函数、高斯核函数等比较,该尺度再生核函数具有更高的辨识精度,较少支持向量数目,充分体现了支持向量机较好的推广性能。     

支持向量聚类算法的研究与改进

支持向量聚类是基于支持向量机和核方法的一种新颖的聚类方法.与其它传统聚类方法相比较,该方法具有能得到全局最优解,并能处理任意形状的聚类,无需指定聚类数目,参数少,容易处理高维数据等优点.在原算法的基础上,在聚类标识阶段提出了改进算法,用支持向量代替原来的全部样本数据来进行标识,进一步减少运算时间,提高运算速度.     

粮食产量预测的支持向量机模型研究

粮食产量的历史数据有限,是典型的小样本数据,又由于粮食产量受不确定性因素的影响,是一个复杂的非线性系统,以往的粮食产量时间序列预测模型的阶数采用经验方法或线性方法来确定,得到的预测精度不理想。针对这些问题,可将支持向量机引入到时间序列模型定阶的方法中,然后采用留一法交叉验证寻找最优参数,建立一个多输入、单输出的预测模型。通过对中国粮食产量进行仿真实验,并与一次滑动平均、ARIMA、LS_SVM和RBF神经网络的预测模型作比较来验证模型的有效性,结果表明该模型该有较高的预测精度和较强的泛化能力,证明了该模型对近期粮食产量的预测是可靠的。     

支持向量机在上市公司成长性识别中的应用

从上市公司成长性与公司财务指标间的一致性角度,上市公司的成长性识别等价于一个模式分类问题,因此可利用SVM支持向量机对上市公司的成长性进行高精度识别,即从市场成长性、盈余成长性等五个方面来考察上市公司的综合成长性,分别以主营收入增长率、净利润增长率等五个指标为考察依据,利用SVM支持向量机来计算识别;实例验证了该法存在简便效果明显等优点。     

基于支持向量机的中长期电力负荷预测研究与应用

采用一种新的机器学习方法——支持向量机,建立了中长期电力负荷预测模型.阐述了支持向量机的基本内容,对影响电力负荷诸多因素的样本集进行了标准化处理和主因素分析(PCA).采用Libsvm训练了数据集,并与灰色预测GM(1,1)模型、多元线性回归模型、模糊ISODATA聚类模型和BP神经网络进行对比.结果表明,此算法有更高的准确性,可为电力负荷预测提供有效依据.     

基于SVM的核电装备制造业供应风险预测模型研究

基于对核电装备制造业供应风险的因素识别,确立风险预测指标体系;对国内某家重点核电装备制造企业及其60家供应商进行问卷调研及深度访谈,运用支持向量机及libsvm技术建立供应风险的预测模型;最后的案例研究表明了该预测体系的可行性与可靠性。     

矩阵方程X＋AXB=C的通解结构

本文讨论了矩阵方程Ｘ＋ＡＸＢ＝０的通解结构及其解空间的维数，由此给出了矩阵方程Ｘ＋ＡＸＢ＝Ｃ的通解结构。     

领导干部赢得民心的方法与途径探析

在国际风云变化莫测的今日，西方敌对势力不断加强对我无产阶级政权颠覆的战略攻势，国内残余的封建势力、敌对势力也有所抬头。共产党要稳定江山社稷，实现自身的奋斗目标，就必须加强民心工程。而领导干部赢得人心的方法与途径则包含了：一树立群众观点、坚持群众路线。二积极充电，努力提高自身综合素质。三潜心修养，不断提高领导艺术水平。     

机械设计双语教材比较及提高双语教学的措施

对机械设计中、美教材进行了分析和比较,通过对双语教学模式的探讨,提出了在我院提高机械设计双语教学效果的几点措施。     

社区居家养老的社会支持系统研究——以南京市雨花区为例

随着我国人口老龄化的加剧和家庭保障功能的弱化,社区居家养老服务已经成为社会发展的必然选择?文章基于南京市雨花区的实践,从主体?客体?内容等方面构建多元?互动的社区居家养老社会支持体系,其积极探索居家养老新模式的举措具有一定的借鉴意义?     

三孩生育政策下农村老年人互助养老参与意愿的实证分析

随着农村人口老龄化程度的加剧,农村养老问题成为政府和社会关注的热点,也是三孩政策想要解决的问题之一,当前农村面临着家庭养老模式功能弱化、社会养老模式保障不足等问题,在此背景下互助养老模式成为解决中国农村养老问题的新出路。为进一步了解老年人对互助养老模式的参与意愿并分析其影响因素,促进互助养老模式的健康、可持续发展,基于西安市357名60岁(含)以上老年人的调查数据,通过解释结构模型(ISM)对老年人互助养老参与意愿及其影响因素进行研究分析。研究表明,影响老年人参与互助养老的因素中,社区人员互动频率、“养儿防老”观念和社区满意度是直接表象因素,生活担忧度是间接中层因素,居住方式和家庭年收入是次间接中层因素,婚姻、生活自理能力、文化程度、子女学历和年龄是根源深层因素; 为解决农村互助养老的发展困局,需要在思想上进一步改变部分老年人“养儿防老”的传统观念,鼓励引导老年人主动积极参与互助养老,在硬件上完善互助养老基础设施,建立管理者和组织者的竞争激励机制,在内容上扩展互助养老服务范围,不断满足老年人对于社交、尊重和自我实现的需要。