支持向量机多分类问题中聚类分类方法研究

支持向量机是在两分类的基础上发展起来的,如何将两分类成果推广到多分类中是支持向量机的一个重要问题.文章在聚类分类的基础上根据二叉树思想,提出了一种新的聚类算法来进行多分类.此方法充分利用二叉树中分两类的简便之处,将多类的聚类简化为点的聚类,从而避免了以往聚类方法中可能出现的同一类的点在聚类中变成不同类的问题,并结合选址问题中固定数目的配送点的选址算法,将原问题进行简化,对多分类问题提出了新的聚类算法.     

基于聚类组合和支持向量机的环境经济负荷调度模型

文章提出了一种基于聚类组合和支持向量机的短期负荷预测方法.该方法首先使用SOM网络训练规格化的特征数据并获得初始聚类中心;然后将初始聚类中心作为C-均值算法的输入,使用DB指数评价聚类结果以获得最佳聚类数,通过训练可得到相似日样本;最后选择合适的参数和核函数构造支持向量机模型来进行逐点负荷预测.     

基于改进的SVR算法上的混沌时间序列预测

文章基于模糊逻辑系统和标准SVR相似性,提出一种基于模糊规则上的支撑向量机。利用模糊逻辑系统参数的物理现实性选择合适方法进行参数初始化,对标准SVR算法进行了改进,并将此算法应用于混沌时间序列的预测。仿真实验证明了这种基于模糊规则上的支撑向量机模型的算法的收敛性。     

基于支持向量机的雷达信号分类

文章首先论述了支持向量机的基本理论,然后给出了基于支持向量机的多分类算法并将其应用于现代复杂体制雷达信号的分类。文章在Matlab环境下对雷达信号进行了模拟,在不同的分类参数组合下,用模拟数据检验了不同核函数的支持向量机多分类算法的效果。     

基于支持向量机及主成分分析的财务危机预测

支持向量机是一种基于统计学习理论的机器学习算法,在小样本情况下亦可得到很好的分类效果。文章提出了基于支持向量机的上市公司财务危机预测模型,公司财务指标作为支持向量机的输入,其数目较多,采用主成分分析方法降低支持向量机的输入向量维数。与多元统计方法、Logit及Probit模型进行比较,结果表明,该方法预测精度高,第一类错误及第二类错误显著减小。     

改进的投影寻踪分类模型及其在区域经济评价中的应用

作为多元数据的一种分析方法,投影寻踪分类模型已被一些研究者应用到实践中,并取得了良好的效果.然而,投影寻踪分类模型没有严格意义上的分类标准.通过引入有序样本聚类法,可以对投影寻踪分类模型得到的一维投影值进行客观分类.根据改进的模型,对江苏省区域经济的发展进行了综合评价,结果表明:改进的投影寻踪分类模型切实可行,为多元数据分类提供了新途径.     

基于DAG-SVMS的SVM多类分类方法

本文介绍了几种常用的支持向量机多类分类方法,分析了其存在的问题及缺点。在有向无环图支持向量(DAG-SVMS)多类分类方法的基础上,提出了一种新的多类分类方法。该方法采用了最小超球体类包含作为层次分类依据。试验结果表明,采用该方法进行多类分类,跟已有的分类方法相比有更高的分类精度。     

人工鱼群算法优化SVR的预测模型

文章针对参数选择关系着支持向量回归机的性能进而影响GDP预测效果这一问题,引入人工鱼群算法将支持向量回归机的参数选择转化为组合优化问题,得到应用人工鱼群算法优化支持向量回归机的短期GDP预测模型。以辽宁省的GDP数据为例,将该模型的预测结果与同为智能算法的BP神经网路和单纯的支持向量机进行对比,结果表明该模型的预测效果优于其余两个,具有更好的学习能力和推广能力。     

有序样本聚类法在经济分析中的应用

在研究经济问题时,经常遇到分类的问题,多元统计分析中的聚类分析方法可以解决多指标分类问题。本文介绍一种按着系统聚类步骤产生的有序样本聚类法,并利用这种方法对我国改革开放26年来的产业结构变迁进行聚类,揭示结构变迁与经济增长的关系,从而说明有序样本聚类法在经济分类研究中的作用。     

基于旋转扰动的支持向量机隐私保护算法

支持向量机(SVM)是数据挖掘中非常流行的分类算法,得到了广泛的关注。数据泄露问题日渐凸显,数据挖掘中的隐私保护也成为当今研究热点,但是针对SVM隐私保护的研究较少。我们提出了基于旋转扰动的SVM隐私保护算法,该算法引入正交旋转变换方法,具有分类零损失的特性。文章采用传统数据安全评价方法,并利用UCI机器学习中心提供的数据对该算法的隐私性水平进行了分析。理论验证和实验结果表明,我们提出了令人满意的SVM隐私保护算法。     

基于相对隶属度的灰色聚类评估方法

文章将相对隶属度引入到灰色聚类评估中,对灰色最优聚类评估问题进行了研究。通过样本观测值与标准特征值的关联系数来反映评估对象与各类中心的相似程度,在此基础上,基于相对隶属度的概念,建立了一种优化的灰色聚类评估模型,构造拉格朗日函数解得相对隶属度,最后根据相对隶属度的大小对评估对象进行归类,从而将分类模糊隶属度信息有效融入灰色聚类评估过程中。最后通过实例验证了该模型的有效性与实用性。     

数据挖掘中基于密度的聚类分析算法

聚类在数据挖掘、模式识别等许多领域有着重要的应用.本文介绍了聚类算法的几种分类,并例举了几种基于密度的聚类算法.最后以一种新颖的基于最大不相含核心点集的聚类算法LSNCCP为例,详细介绍整个聚类算法的工作过程.     

最小最大概率分类的财务预警模型

最小最大概率机是一种实现未知样本正确分类概率最大化的分类算法,其在两类样本的均值和协方差矩阵已知的条件下而构建的,对类条件分布不做要求,非常适合于财务危机建模分析.文章提出使用建立最小最大概率分类理论进行财务预警研究,结合沪深股市A股制造业上市公司的财务数据进行实证研究,使用线性和核最小最大概率机算法分别建立T-2和T-3年财务预警模型,实验结果表明最大最小概率分类财务预警模型具有不错的分类效果和适应性.     

基于构成要素的聚类算法

目前国内外各种聚类算法数以千百计,本文提出了一个基于聚类算法构成要素的分类框架,进行了文献综述,并指出了四个研究热点。     

基于PLS-GA-SVR的区域经济预测模型及实证

文章提出了一种将偏最小二乘法（PLS）、遗传算法（GA）和支持向量回归（SVR）相结合的预测算法。首先,为了解决多元回归中存在的多重共线性问题,采用偏最小二乘法选取回归变量的主成分;然后,利用支持向量回归预测模型对数据进行训练,利用遗传算法获得更好的预测模型参数,以解决传统支持向量机预测模型中的参数选取困难的问题;最后,利用优化的预测模型对区域经济发展进行预测。结果表明,该算法在预测精度上优于其他预测模型,能够准确预测未来区域经济发展趋势。     

一范数支持向量机的特征提取算法及应用

支持向量机算法是一种新的机器学习方法,其主要应用于分类学习问题上.本文推导出一范数支持向量机问题的对偶形式,并用其对偶形式成功解决了2000年全国大学生数学建模竞赛A题-DNA序列分类问题,输入样本有16个特征,而分类函数只依赖于样本的两个特征,得到了很好的特征提取结果;可以看出一范数支持向量机具有很好的特征提取效果而且具有计算方便,效率高等优点.     

基于机器学习融合算法的网络购买行为预测研究

选择适合的机器学习算法是在社会经济研究领域进行大数据分析及提高预测效果的关键。在很多情况下,通过融合训练两种或两种以上有差异的算法,能够显著提高算法的泛化能力以提高预测效果。基于阿里巴巴电子商务平台购物行为数据,分别应用Logistic回归、支持向量机以及这两种算法的融合构建了预测模型。实证结果表明,融合后模型比单一模型具备更好的预测效果。     

运用分解聚类法对经济差距的分类

从20世纪90年代以来,对地区经济差距的研究已成为学术界关注的焦点。在经济差距的研究中,往往需要进行分类处理。经济差距分类的科学与否,对于经济管理者和行业等方面经济发展有着重要的意义。刘树成等人(1994)用标准差来衡量区域经济绝对差距。龚昌来、赵庭红(2006)将判别分析法引入到经济差距分类中,但其阈值和类间概率的选取仍存在一定的主观性。为避免主观性,本文从多元统计分析的角度,运用分解聚类法对经济差距进行分类。     

农田土壤环境质量的最优模糊聚类及其分级

本文利用模糊聚类分析和多元统计分析,给出了求最优模糊聚类的方法和对基于重金属和有机氯的土壤环境质量进行聚类和分级的方法,并利用该聚类和分级的方法对太湖地区某市农田的土壤样进行聚类和分级。从聚类结果来看,本方法分类是将环境质量相近的土壤样分在同一类。从分类结果来看,绝大部分土壤样处于相对安全状态,适于一般农业经济产品的产生。本文所用方法有利于土壤环境质量研究的定量和数字化。     

基于自然最近邻的不平衡数据欠采样方法

针对不平衡数据集中的少数类样本在实际应用中分类准确率较低的问题，提出一种利用多数类样本的自然最近邻进行欠采样的数据处理方法。自然最近邻算法根据每个样本的分布特征动态地为样本选择数量不同的自然最近邻样本，通过自然最近邻的个数反映样本分布的疏密程度。文章所提方法先计算多数类样本在整体数据集中的自然最近邻，根据自然最近邻情况移除多数类中的噪声样本和局部密度较小的样本，再计算剩余样本的相似度，保留密集区域中的代表性样本，去掉部分冗余样本，获得平衡数据集。该方法的计算无须预先指定参数，减少了欠采样过程中多数类分类信息的损失。对比实验利用支持向量机对不同欠采样方法平衡后的12个数据集进行分类，结果表明此方法在大多数数据集上具有较优的分类性能，提升了少数类样本的分类准确率。