共查询到19条相似文献，搜索用时 250 毫秒
1.
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
2.
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
3.
通过对支持向量机的历史发展和理论进行分析,阐述了支持向量机相对于以往机器学习算法的优点。通过分析支持向量机的国内外研究现状,对该理论和算法的应用与发展前景进行了探讨。 相似文献
4.
为了快速、准确地对交通流进行实时预测,将扩展粒子群算法应用到支持向量机的短时交通流预测优化中.首先对交通流样本数据进行重构,建立支持向量机预测模型.然后通过扩展粒子群算法对模型中的参数进行寻优,得出最优参数和优化时间.最后经过实验仿真,比较了基于网格搜索法优化的支持向量机、基于标准粒子群优化的支持向量机和基于扩展粒子群优化的支持向量机的泛化测试结果.结果表明,基于扩展粒子群优化的支持向量机在短时交通流预测中更具优势. 相似文献
5.
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
6.
支持向量机方法是一种基于统计学理论的机器学习的新方法,它在解决小样本,非线性及高维模式识别中表现出许多特有的优势。目前它主要用于二元分类问题中,而对于其在多类分类应用仍是一个值得研究的问题。在目前存在的各种多类支持向量机分类问题中,一对一方法是一种最符合实际的方法。本文提出了一种改进的支持向量机,并将其应用于图像分割。这种改进的支持向量机它对一对一方法进行了改进,实验表明,支持向量机的方法是一种很有潜力的图像分割技术。 相似文献
7.
支持向量机作为一种分类算法,虽然具有避免局部最优解、鲁棒性好等优点,但由于核函数、参数的选择等问题经常导致分割结果不理想。针对以上问题,将遗传算法（GA）和支持向量机（SVM）结合,通过遗传算法选取最优参数训练支持向量机模型,使用训练好的模型分割图像。实验结果表明,采用该算法能够得到理想的分割结果。 相似文献
8.
免疫遗传优化支持向量机回归在混沌时间序列预测上的应用 总被引：1，自引：0，他引：1
在分析支持向量机(Support Vector Machines,SVM)回归算法的基础上,提出了一种免疫遗传优化向量机回归算法来预测混沌时间序列.算法根据混沌时间序列样本的特点利用免疫遗传算法对支持向量机回归方法参数进行优化.免疫遗传算法有效地克服了未成熟收敛现象,获得相关参数最优值.对混沌时间序列预测的实际算例表明,与支持向量机方法相比,本文所提的免疫遗传优化支持向量机回归方法具有更高的预测精度. 相似文献
9.
支持向量机在模式识别和回归模型中的应用 总被引：1，自引：0，他引：1
支持向量机是一种新型机器学习方法,能较好地解决小样本、非线性、高维数和局部极小点等实际问题,对未来样本有较好的泛化能力,已成为当前机器学习界的研究热点。本文介绍了支持向量机的数学理论基础及其研究现状,并介绍了支持向量机实用算法的研究情况,指出了支持向量机的局限性和未来的研究方向。 相似文献
10.
目前采用地震属性预测储层参数的方法层出不穷,但是这些方法多数是基于单变量、线性的机器学习算法,在已知样本较少的情况下精度得不到保证。为了获取高精度的储层参数,指导油气的勘探开发,迫切需要寻求一种新的方法最大限度地挖掘地震地质信息。支持向量机是以结构风险最小化原则为核心的新型机器学习算法,与传统的机器学习算法相比,其具有基于多变量、小样本、非线性和预测精度高的优点。以渤海湾SZ-361油田Ⅰ油组顶部储层参数预测为例,采用支持向量机算法,得到了较高精度的储层预测结果,证实了支持向量机算法可以应用于油气勘探领域。 相似文献
11.
支持向量机(Support Vector Machine,SVM)在解决小样本、非线性及高维模式识别中具有优势,但核函数的选取没有定论,且其参数对SVM模型的性能起重要作用。针对这些问题,文章建立了基于SVM的分类模型,并通过UCI数据集验证了径向基核函数(Radial Basis Function,RBF)较其他核函数的有效性,其中核参数的选取采用改进的网格搜索法进行寻优。分类实验结果表明,选择RBF核函数的分类准确度较其他核函数提高了2.5%到35%。 相似文献
12.
李文趋 《泉州师范学院学报》2010,28(4):18-21
将SVM应用于手写数字的识别,即将采集、预处理后的样本图像的各个像素点直接作为SVM的输入进行训练,通过交叉验证得到最佳参数,取得了较高的识别率.通过与BP神经网络的实验对比表明了在小样本、高维度的应用环境中,SVM具有训练简单、识别率高的特点. 相似文献
13.
船体外板复杂曲面自动化加工一直是船舶制造业研究热点和难点,由于加工过程中船板变形影响因素过多,导致船板加工变形预测一直不够准确快速。鉴于此,将两种复合变量用来表征加工过程中热源对应的众多加工参数,采用人工鱼群算法（AFSA）优化的支持向量机（SVM）预测船板变形。经实验验证,复合参数输入的AFSA-SVM模型预测船体外板水火线加热工艺变形线平均精确度为99.87%,角变形平均精确度为99.53%,且全局最优。将其与传统的PSO-SVM模型对比,不仅精确度有了提高,而且避免了局部极值导致的部分预测结果误差过大情况。 相似文献
14.
在文本分类过程中,为解决传统支持向量机（SVM）多类分类的不可分区域问题及提高分类性能,提出了一种改进的偏二叉树多类SVM算法。算法依据根据样本的分布情况计算训练集文本特征参数的信息熵,并将熵值结合欧式距离公式以确定各类文本间的相似性测度;以相似性测度作为偏二叉树结构的分类走向,对训练集进行学习,构建各个二类子SVM分类器。实验结果表明,该算法具有较高的分类性能,能更好地解决实际文本分类过程中的问题。 相似文献
15.
INTRODUCTION Support Vector Machine (SVM) is a relativelynew soft computing method based on statisticallearning theory presented by Vapnik (1995). In SVM,original input space is mapped into a high dimen-sional dot product space called feature space in whichthe optimal hyperplane is determined to maximize thegeneralization ability of the classifier. The optimalhyperplane is found by exploiting a branch ofmathematics, called optimization theory, and re-specting the insights provided by … 相似文献
16.
钟敏玲 《绵阳师范学院学报》2009,28(5):103-107
介绍了正则化方法盲复原模型的原理,对高斯模糊盲复原和运动模糊盲复原的效果进行了比较,得出了正则化方法盲复原模型算法实现简单的结论,将基于变分的偏微分方程模型应用于模糊车牌号数字图像盲复原中,利用改造的代价泛函处理模糊车牌号码,获得较好的实验效果. 相似文献
17.
针对实际电能质量扰动种类繁多、扰动信号差异不明显、存在多种混合扰动,导致识别电能质量非常困难的情况,提出一种基于极点对称经验模式分解方法（ESMD）和支持向量机（SVM）的电能质量混合扰动信号分类识别新方法。首先,对加入白噪声的混合扰动信号利用小波软阈值去噪处理|其次,利用ESMD将信号分解为不同信号分量,对每类扰动的不同信号分量分别提取样本熵和互样本熵特征值,所有分量特征值构成特征向量|最后利用SVM对扰动信号特征向量进行分类和混合扰动识别。研究表明,该方法对混合扰动识别正确率很高,是一个有效的方法。 相似文献
18.
BP神经网络是目前应用最广泛的人工神经网络模型之一,在分类和识别上表现出良好的特性,因此被研究者用于认知诊断评估以对被试进行诊断分类。通过模拟研究,考查属性个数、属性层级关系、测验长度、题目质量、测试样本量5个因素对BP神经网络在认知诊断中分类准确性的影响。结果表明:1)基于BP神经网络的认知诊断分类准确率不依赖于测试样本量;2)题目质量和测验长度对BP神经网络的诊断准确率有显著的积极影响;3)属性个数对BP神经网络的分类准确率有消极影响;4)题目质量一定程度上会影响BP诊断方法在不同属性层级结构上的分类准确率。 相似文献
19.
基于离散单元法建立了圆柱形颗粒阻尼器的仿真模型,研究了阻尼器内颗粒在不同激振条件下的运动形态及其能量耗散大小。为了获取两者之间的定量关系,应用基于网格搜索法(GS)的支持向量机(SVM)建立了颗粒运动形态的分类预测模型及其能量损耗的回归预测模型,对颗粒运动形态的分布及其能量损耗的大小进行了预测,并通过仿真进行了验证。结果表明:基于GS方法优化的SVM能够建立一个预测准确度很高、推广泛化能力很强的分类和回归预测模型,该预测模型不仅能够很好地揭示颗粒系统在不同运动形态下的能量耗散的变化规律,而且还能在较大的激振条件范围内确定系统能量耗散最大值及对应的运动形态。 相似文献