基于支持向量机的信息检索方法研究

随着数字技术的飞速发展,为了更好地利用和访问海量数据,本文研究了基于内容的检索方法,提出了在监督学习中使用支持向量机的方法,生成用于访问系统信息的分类器。     

未确知模糊综合评判的融通仓系统风险预警研究

融通仓是用资金流盘活物流，或用物流拉动资金流，并使参与的物流、生产、中介和金融机构等供应链相关的企业可以通过融通仓模式实现多方共赢，因此，备受业界的关注。但融通仓因参与主体的多元化，其运营本身又存在固有的风险。针对融通仓运营风险具有复杂性、主观性和未确知性的特点，本文引入未确知有理数和模糊数学理论建立融通仓风险预警模型，该模型首先采用未确知理论求得风险发生的概率，然后用模糊数学方法求得风险发生的损失后果，最后通过风险效用函数求得系统风险。并通过实例对该模型进行了验证分析，为物流企业实施融通仓业务提供风险管理的量化方法和对策。     

多类支持向量机的DDoS攻击检测的方法

为了利用SVM准确的检测DDoS,需要找到区分正常流和攻击流的特征向量,根据DDoS攻击的特点,提出了独立于流量的相对值特征向量。为了在指示攻击存在的同时,也指示攻击强度,多类支持向量机(MCSVM)被引入到DDoS检测中。实验表明,RLT特征与MCSVM相结合,可以有效检测到不同类型的DDoS攻击,并且能准确地指示攻击强度,优于目前已有的检测方法。使用RLT特征进行DDoS检测,比使用单一攻击特征进行识别的方法,包含更多的攻击信息,可以得到较高的检测精度。     

支持向量机研究进展

支持向量机是由V.Vapnik等九十年代提出的一种学习技术,是借助于最优化方法解决机器学习问题的新工具。以统计学习理论为研究基础,研究内容分为分类和回归两个方面,并且在众多领域中得到应用。     

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.     

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。     

基于支持向量机模型的北京市能源需求预测研究

北京市能源需求系统具有非线性、历史数据较少而影响因素众多等复杂特征, 而支持向量机模型在解决小样本、非线性及高维模式识别问题方面具有突出优势。为此, 引入支持向量机模型对北京市1978-2010年能源需求进行建模, 并据此对2012-2020年能源需求量进行预测。结果表明:支持向量机模型能有效拟合北京市能源需求系统的复杂变化趋势, 比其他传统方法有更高的预测精度。研究发现, 2012-2020年北京市能源需求量逐年增加, 年均增速2.75%;另外, 北京市能源需求的增速在“十三五”期间会比“十二五”期间略有趋缓。     

基于未确知测度理论的普通铁路客运站服务水平综合评价

评价铁路客运站服务水平是衡量铁路运输服务质量的重点工作,针对评价过程中众多信息的未确知性,将未确知测度理论应用于普通铁路客运站服务水平评价中。首先,对未确知信息进行处理,建立了评价指标体系与等级标准,并应用熵权方法计算指标权重,然后采用问卷调查形式获得指标评价结果,并根据调查统计结果建立单指标测度矩阵,结合指标权重计算出综合评价向量,最后,利用置信度识别准则评定出普通铁路客运站服务水平等级。将此方法应用于石家庄铁路枢纽某客运站服务水平评价中,操作过程表明,该方法具有较好的可操作性,评价结果更加合理、准确,为普通铁路客运服务评价工作的开展提供了一种新的研究思路。     

支持向量机理论与算法研究综述

统计学习理论(statistical learning theory,SLT)是一种小样本统计理论,着重研究在小样本情况下的统计规律及学习方法性质。支持向量机(support vector machinse,SVM)是一种基于SLT的新型的机器学习方法,由于其出色的学习性能,已经成为当前机器学习界的研究热点。该文系统介绍了支持向量机的理论基础,综述了传统支持向量机的主流训练算法以及一些新型的学习模型和算法,最后指出了支持向量机的研究方向与发展前景。     

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。     

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。     

支持向量机学习算法-序列最小优化(SMO)

支持向量机作为一种优秀的学习方法，有着严格的理论基础和很好的应用前景，但是由于支持向量机算法实现复杂、效率低，严重限制了支持向量机的应用．SMO方法的提出大大提高了支持向量机学习的效率，作对SMO算法的实现进行了详细的介绍．     

基于支持向量机的管理信息系统故障识别模型研究

管理信息系统故障影响着企业信息工程的开展。及时识别故障,能够为企业争取更多时间处理故障。因此,管理信息系统故障识别有着重要的研究意义和实践意义。基于支持向量机,构建管理信息系统故障识别模型,通过把样本应用于该模型,结果表明该模型具有较好的准确性,能有效识别管理信息系统故障。     

基于未确知测度方法的城市化水平评价研究

城市化水平是一个国家和地区经济、社会、文化、科技水平的重要标志,也是衡量国家和地区社会组织程度和管理水平的重要标志。实施城市化战略,推进城市化进程,是我国逐步摆脱不发达状态,实现现代化历史任务的目标和手段的统一,也是21世纪初我国现代化建设中的重要任务。因此,做好城市化水平的评价工作对于一个地区的发展有着重要的战略意义。论文研究了信息熵和未确知测度方法在城市化水平评价中的应用,给出了综合评价模型,并结合实例进行验证分析。     

独立成分分析和支持向量机的虹膜识别方法

为了提高虹膜识别的性能,提出了一种新的虹膜识别方法。该方法采用独立成分分析获取虹膜高阶统计信息,并将输入模式空间映射到相应的独立成分空间,然后在该独立成分空间中,利用支持向量机的泛化特性构造最优分类超平面。通过CASIA虹膜数据库的仿真实验,该方法降低了特征空间维数,具有较高的正确识别率。特别是对高斯核,取得了98.61%的正确识别率,较相异度函数和最近特征线方法分别高6.48%和4.54%,同时也提高了算法的鲁棒性和灵活性。     

支持向量机在人岗匹配度测算中的应用

在某市住房公积金管理中心的人力资源配置过程中,通过实例研究发现,采用支持向量机的人岗匹配度测算模型相对于BP人工神经网络等其他常规模型匹配精度更高,在样本数量较少的情况下其优越性更加突出。组织在采用支持向量机模型和模糊综合评价法进行人岗匹配度评价时,先应通过科学的工作分析,建立合适的测算指标体系,然后构建岗位匹配度矩阵和岗位候选人模糊矩阵,最后运用最小二乘支持向量机测算匹配度。     

基于支持向量机的传感器非线性误差校正

提出了一种用支持向量机校正传感器非线性误差的原理和方法。该算法只依据样本就可以正确辩识传感器逆模型特征,而不需关于逆模型函数形式的任何先验知识,并将原问题转化为一个凸二次优化问题,能够保证找到的极值解就是全局最优解,具有较好的泛化能力。通过对电容式湿敏传感器误差校正的应用表明:该算法可取得较好的效果。     

基于支持向量机回归模型的重庆市房地产金融风险预警研究

以房地产金融风险单项指标的评价标准为依据,利用基于支持向量机（SVM）的回归分析模型对重庆市房地产的金融风险状况进行预警分析研究。通过研究评价指标变量与模型输出数值之间的关系,分析房地产金融风险状况与各评价指标变量的非线性关系,预测出各年度的金融风险状况及金融风险的走势,从而为有针对性地降低金融风险水平制定相应的宏观调控政策提供理论参考。     

社会变迁过程中的老年人家庭支持研究

在社会变迁过程中 ,中国老年人的家庭支持模式经受了各种变迁的压力。对老年人家庭支持获得的多因素分析发现 ,西方学者关于家庭支持的理论和假设 (如权力与协商论、互助论和合作群体论 )对于中国老年人的状况并没有足够的解释力。城镇老年人家庭支持的获得与老年人资源的拥有、交换的提供和对子女投资的数量之间不是一种一一对应的简单的因果关系 ,而是受到包括诸如传统文化在内的多种因素的影响