共查询到17条相似文献，搜索用时 562 毫秒
1.
2.
《赣南师范学院学报》2015,(6):23-27
在机器学习领域,支持向量机SVM(Support Vector Machine)是一个有监督的学习模型,通常用来进行模式识别、分类以及回归分析.模型选择是影响SVM性能的主要因素,具体地讲是SVM中的核函数及其惩罚系数C的选择决定着SVM的分类能力.本文首先讨论了一种评价核函数好坏的重要标准,即核极化.在此基础上提出了基于核函数优化问题的自适应梯度算法,即用一种自适应步长去改进原来的固定步长.UCI数据集(机器学习数据库)上的实验结果验证了这种自适应梯度算法的有效性,结果表明该算法能有效减少程序运行的迭代步及SVM学习训练的时间. 相似文献
3.
为了克服N-RBF核函数在处理取值完全相同特征时出现准确率、检测率和误报率异常的现象,提出一种分段核函数（P-RBF）。该核函数根据特征样本方差是否为0对特征分别进行变换,但仍然以RBF核函数为基础。实验结果表明,在基于SVM的入侵检测方法中,选用该分段核函数不仅避免了因选用N-RBF核函数而出现检测率和误报率异常的情况,而且较RBF核在准确率、检测率和误报率方面有一定改善,同时缩短了检测时间。 相似文献
4.
《兰州石化职业技术学院学报》2017,(4)
针对支持向量在分类过程中,特别是对于非线性可分问题,如果采用不同的核函数,支持向量机(SVM)可以构造不同的学习机器和分类模型,从而导致分类算法复杂且分类精度较低。研究了SVM的轴承诊断原理,测试诊断方案及原始测试数据的特征提取,最后进行了数据训练和测试实验仿真,然后对风力发电机组机械故障进行诊断,实验说明了改进后的SVM故障分类方法的可行性和有效性。在建立故障分类模型之后,采用网格搜索法、遗传算法、粒子群算法对支持向量机的惩罚参数C和径向基核函数参数γ进行优化选择,通过分析发现故障分类精度提升比较明显。 相似文献
5.
杜锦程吴福森陈丙三 《福建工程学院学报》2021,(1):12-18
以探索概率筛振动参数与筛分效率之间的关系,为概率筛结构的进一步改进提供指导意义为研究目的,将LS-SVM分类算法引入自同步概率筛筛分效率预测建模,探讨LS-SVM建模的可行性。基于各个不同的应用领域,可以构造不同的核函数,针对核函数需要优化特征参数的问题,应用网格搜索和交叉验证算法,对核参数的选择进行优化。通过研究得出用多项式(Poly)核函数建模对预测样本的最高预测识别率达到96.7%,采用RBF核函数建模对预测样本达到了零错分率,表明将LS-SVM算法引入概率筛筛分效率预测建模是可行的。 相似文献
6.
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
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.
为了提高电动车铅酸蓄电池的电池荷电状态(SOC)预测精度,将粒子优化算法(PSO)引入到支持向量机(SVM)中,建立了PSO-SVM电动车铅酸蓄电池SOC预测模型,模型输入量为电池的电压和电流,输出量为SOC。采用PSO算法对SVM的惩罚因子C和径向基函数宽度σ寻优,降低了SVM参数取值的盲目性,提高了预测精度。设计了铅酸蓄电池数据智能采集系统,并进行了实际运行车辆电池数据采集。在advisor2002软件中获取的电池数据和实际车辆电池运行数据的基础上,进行了模型训练和预测。结果表明,PSO-SVM预测模型相对传统的BP、RBF和SVM预测模型具有更好的精度和推广能力,满足了"SOC估算精度小于5%"的要求,从而表明该模型是有效的、可行的,并具有较好的工程实用价值。 相似文献
9.
10.
11.
The classification of pathological voice from healthy voice was studied based upon 27 acoustic features derived from a single sound signal of vowel /a:/. First, the feature space was transferred to reduce the data dimension by principle component analysis (PCA). Then the voice samples were classified according to the reduced PCA parameters by support vector machine (SVM) using radial basis function (RBF) as a kernel function. Meanwhile, by changing the ratio of opposite class samples, the accuracy under different features combinations was tested. Experimental data were provided by the voice database of Massachusetts Eye and Ear Infirmary (MEEI) in which 216 vowel /a:/ samples were collected from subjects of healthy and pathological cases, and tested with 5 fold cross-validation method. The result shows the positive rate of pathological voices was improved from 92% to 98% through the PCA method. STD, Fatr, Tasm, NHR, SEG, and PER are pathology sensitive features in illness detection. Using these sensitive features the accuracy of detection of pathological voice from healthy voice can reach 97%. 相似文献
12.
In order to improve the performance of support vector machine (SVM) applications in the field of credit risk evaluation, an adaptive Lq SVM model with Gauss kernel (ALqG-SVM) is proposed to evaluate credit risks. The non-adaptive penalty of the object function is extended to (0, 2] to increase classification accuracy. To further improve the generalization performance of the proposed model, the Gauss kernel is introduced, thus the non-linear classification problem can be linearly separated in higher dimensional feature space. Two UCI credit datasets and a real life credit dataset from a US major commercial bank are used to check the efficiency of this model. Compared with other popular methods, satisfactory results are obtained through a novel method in the area of credit risk evaluation. So the new model is an excellent choice. 相似文献
13.
针对滚动轴承故障分类准确率低的问题,提出一种利用遗传算法结合粒子群算法优化支持向量机分类器的故障诊断方法。实验通过提取滚动轴承不同故障状态下的振动信号,以转化成时域和频域组成的特征集为特征向量,利用粒子群生成二维粒子,即惩罚因子C、核函数参数G,并喂入支持向量机进行训练和交叉验证,取最优适应度对应的粒子,进而构建遗传粒子群改进支持向量机故障分类模型。实验证明,粒子群改进的支持向量机与遗传算法改进的支持向量机相比,该算法模型在滚动轴承故障分类中对时域、频域、时频域3个特征集的正确率均有明显改进。 相似文献
14.
Joint application of feature extraction based on EMD-AR strategy and multi-class classifier based on LS-SVM in EMG motion classification 总被引：2，自引：0，他引：2
YAN Zhi-guo WANG Zhi-zhong REN Xiao-mei 《浙江大学学报(A卷英文版)》2007,8(8):1246-1255
This paper presents an effective and efficient combination of feature extraction and multi-class classifier for motion classification by analyzing the surface electromyografic(sEMG) signals. In contrast to the existing methods,considering the non-stationary and nonlinear characteristics of EMG signals,to get the more separable feature set,we introduce the empirical mode decomposition(EMD) to decompose the original EMG signals into several intrinsic mode functions(IMFs) and then compute the coefficients of autoregressive models of each IMF to form the feature set. Based on the least squares support vector machines(LS-SVMs) ,the multi-class classifier is designed and constructed to classify various motions. The results of contrastive experiments showed that the accuracy of motion recognition is improved with the described classification scheme. Furthermore,compared with other classifiers using different features,the excellent performance indicated the potential of the SVM techniques embedding the EMD-AR kernel in motion classification. 相似文献
15.
SVM(Support Vector Machine,支持向量机)是由Vapnik等人提出的一种新的机器学习方法。以结构误差理论、条件二次优化理论与核空间理论作为理论基础,能够较地的解决机器学习的问题,如模型选择、过学习、非线性问题和灾难维数等,很适合应用在文本分类领域。针对文本分类技术的新问题,研究了已有的主动学习方法并对其进行改进,提出了一种新的主动学习算法,很好地解决了小规模标注样本集的分类问题。该方法尤其在难以获得大量类标签或者标注样本耗费较大的领域,更能显示出它的优越性,适合日新月异的互联网的应用。 相似文献
16.
采用概率竞争和RBF(Radial-based Function Method)相结合的神经网络模型,研究UPI(UniversityPersonality Inventory大学生心理健康清单)多变量非线性诊断指标和分类标准的内在联系。提出了一种UPI辅助诊断的概率竞争型RBF神经网络的解决方案,把UPI数据作为概率竞争和RBF神经网络改进模型的输入,构建2层改进的RBF神经网络仿真模型。实验结果显示,综合运用概率竞争和RBF神经网络的方法能使UPI分类达到较好的效果。构建的概率竞争神经网络模型用于UPI的辅助诊断是可行的。 相似文献
17.
针对时变信号小样本集建模分类问题,提出一种深层多尺度径向基过程神经网络（DLMS-RBFPNN）。该模型由时变信号输入层、多尺度径向基核变换层、全连接层和感知机分类器构成。兼顾时变信号的频谱特征和分布形态的多样性,基于径向基过程神经网络,通过将不同宽度参数的Gauss核函数进行线性叠加,构成多尺度核,完成不同尺度上对过程信号形态特征的提取、辨识和相似性度量。通过在径向基核函数层之上叠加全连接层和分类器,实现时变信号不同尺度特征的融合和分类。DLMS-RBFPNN具有较少的模型参数,适用于小样本集建模,在机制上可提高对时变信号过程细节特征和趋势特征的辨识及记忆能力。在分析DLMS-RBFPNN性质的基础上,建立一种基于动态聚类算法的核中心函数确定方法以及基于PSO的模型参数优化求解算法。以旋转机械基于示功图信号的故障诊断为例进行实验,结果验证了模型和算法的有效性。 相似文献