共查询到20条相似文献，搜索用时 15 毫秒
1.
介绍了最小二乘支持向量机（Least Squares Support VectorMachines,LS-SVM）的数学基础和具体应用。用二次损失函数取代支持向量机中的不敏感损失函数,将不等式约束条件变为等式约束,从而将二次规划问题转变为线性方程组的求解,提高了运算速度。并将其与偏最小二乘法、标准支持向量机进行了对比,结果表明,最小二乘支持向量机泛化能力更强,计算效率更高。 相似文献
2.
3.
4.
支持向量机是一种新的机器学习方法,是在统计学习理论基础上发展起来的。经典的支持向量机算法主要是针对两分类问题,但是在实际生活中经常需要求解多分类问题,这就需要将支持向量机的算法推广到求解多分类问题。通过阐述支持向量机模型及其算法的基本原理,对多分类支持向量机几种算法进行分析,系统地比较了各种算法的性能,探讨了多分类支持向量机算法的进一步研究方向。 相似文献
5.
针对分类问题的支持向量机方法中存在对噪声和野值敏感的问题,提出了一种新的隶属度函数确定方法．研究和分析了目前针对这些问题所提出的模糊支持向量机方法,而在模糊支持向量机方法中,隶属度函数的设计是整个模糊算法的关键所在,文中主要对隶属度函数进行了深入地研究,在类中心向量方法的基础上,即在确定样本的隶属度时,对类中心距离方法进行改进,得到新的隶属度计算的方法,并从数值实验方面表明该方法的有效性和可行性． 相似文献
6.
支持向量机(SVM)是统计学习理论最为成功的实现。支持向量机适用于两类样本的分类问题,面对正负样本数目失衡的情况,加权的方法虽然能有效改变分类器对数目小的样本类的预测偏置问题,但往往是以牺牲数目较大样本类的预测精度为前提。单分类支持向量机(One-SVM)只用某一类样本来训练分类器,可以有效避免预测偏置问题的出现。本文将单分类支持向量机(One-classSVM)用于UCI数据库的灯盏花分类研究,结果显示,单分类支持向量机在处理样本数目失衡的模式识别问题中,具有良好的泛化能力,预测精度特异性达到95.45%,同时单分类支持向量机只用一类样本训练分类器,在算法的时间复杂度上也具有优势。 相似文献
7.
利用支持向量回归机（SVR）,通过求解线性算子方程,提出了一种全新的非参数类恢复隐含风险中性概率密度函数的方法.首先,介绍了支持向量回归机应用于函数逼近的基本原理,当仅知算子方程右边函数的一些函数值而不知其函数形式时,描述了基于支持向量回归机的线性算子方程求解方法.然后,给出了基于支持向量回归机的隐含风险中性概率密度函数求解原理及交叉核函数的构建方法.最后,通过实证研究,验证了该方法的有效性.研究结果表明,所提方法克服了传统参数类方法对期权执行价格有严格限制的缺陷,同时对数据量的要求也比其他非参数类方法少,是一种很有前景的还原隐含风险中性概率方法与手段. 相似文献
8.
《赣南师范学院学报》2020,(3):26-32
模糊支持向量机是在支持向量机的基础上给每个样本赋予一个隶属度,从而减少孤立点以及噪声对最优决策面的影响,广泛应用于模式识别和人工智能领域.本文综述模糊支持向量机的理论基础以及研究现状,详细介绍模糊支持向量机中几种隶属度函数的设计方法以及在现实领域中的应用,最后针对模糊支持向量机算法的关键问题,即模糊隶属度函数的设计,给出一些未来研究方向的展望. 相似文献
9.
在已有支持向量机的特征提取模型的基础上,通过引入一个向量函数,使原有的模型得到进一步改进,从而大大降低了问题的规模.文中给出了一种模拟退火算法求解得到的模型.该算法在传统的模拟退火算法的基础上增加了局部极小化和Markov链长度调整过程. 相似文献
10.
支持向量机及其应用研究 总被引：1，自引：0，他引：1
谢飞 《安徽教育学院学报》2007,25(3):56-59
对支持向量机技术进行研究,介绍支持向量机的原理,讨论支持向量机中核函数的选择和多类问题,讨论支持向量机中求解大规模数据的有效算法。从文本分类,手写字符识别,人脸检测,入侵检测,图像处理等方面对支持向量机的应用研究作了综述。讨论了支持向量机的优点和缺点,并对支持向量机的发展作了展望。 相似文献
11.
关于支持向量机核函数中参数选择的研究 总被引：3，自引：0，他引：3
核函数及核函数中参数的选取是支持向量机中一个重要的问题.选择合适的核函数中的参数以及惩罚参数的问题称为模式选择.本文对目前支持向量机中参数选择算法以及这些算法中用到的推广误差估计进行了初步的研究和分析. 相似文献
12.
13.
基于支持向量机方法的股票预测模型 总被引：1，自引：0，他引：1
利用支持向量机方法建立股票投资预测模型,经过与多项式函数及Sigmoid核函数的对比,选用Gauss径向基函数作为SVM核函数;抽取223支上市公司的股票作为研究样本,并选取对股票投资影响显著的财务指标构造样本数据集,代入支持向量机模型进行实证测算;实验表明,与BP神经网络模型相比,在样本有限的情况下,基于支持向量机的股票投资模型预测精度更高。 相似文献
14.
支持向量机是19世纪90年代由美国贝尔实验室的Cortes和Vapnik首先提出来的一种新算法.介绍C-支持向量机,并在此基础上,构建其改进模型,目的是给出易于求解的几类新算法. 相似文献
15.
针对标准支持向量机训练时间过长与参数选择无指导性问题,给出一种通过粒子群优化双支持向量机模型参数的方法。与标准支持向量机不同,该方法的时间复杂度更小,特别适合不均衡的数据样本分类问题,对求解大规模的数据分类问题有很大优势。将该算法与标准的支持向量机分类器在不同的文本数据集上进行仿真实验对比,以验证算法的有效性。结果表明基于粒子群优化的双子支持向量机分类器的分类结果高于标准支持向量机分类结果。 相似文献
16.
17.
18.
胡霖 《中国石油大学胜利学院学报》2019,(2):54-57
在车牌字符识别应用中,超球面支持向量机核函数的选取一直采用单一核函数方案,存在识别正确率不高或过程较繁琐的问题。针对以上不足,将单一径向基核函数、混合核函数分别应用到超球面支持向量机的决策函数中,找到径向基核函数参数和混合核线性组合交叉概率的最优取值,提出一种超球面混合核支持向量机(MHS-SVM)。将Computational Vision研究小组数据集转换为一维矢量提取特征,采用此算法进行识别验证。试验结果表明,较已有的欧拉数特征分类和组合支持向量机,混合核方案过程简洁,具有更高的识别正确率,同时拥有较好的识别速率。 相似文献
19.
支持向量机（SVM）作为一种机器学习分类算法应用广泛,但在处理高维度数据集时往往会由于特征维数较多遇到算法分类速度慢且容易陷入局部最优等问题。为了提高支持向量机的性能,提出一种基于多宽度高斯核（GKMW）的支持向量机特征选取算法FSG。FSG算法将泛化能力更强的多宽度高斯核函数引入支持向量机中代替传统的高斯核函数,利用多宽度高斯核函数能体现各个特征对分类贡献程度不同且能区分样本中各个特征重要性的特点,以多宽度高斯核函数的参数优化结果为基础进行特征选取。利用特征选取后的特征子集在多组标准UCI数据集上分类实验,实验结果表明所提算法性能优于有代表性的特征选取法。 相似文献
20.
本文比较了图像检索方法,提出利用支持向量机分类精度高、泛化能力好的特点应用于基于内容的图像检索方法。同时针对图像分类问题是个多分类问题,应用二叉树作为分类决策树形式,将支持向量机的两分类扩展为多分类来构建分类器。 相似文献