共查询到20条相似文献，搜索用时 421 毫秒
1.
支持向量机是一种有良好发展前景的学习机器。针对支持向量机训练过程中特征选择和参数优化的问题,提出一种基于蝙蝠算法和禁忌搜索算法相结合的算法的支持向量机特征选择和参数优化算法。将禁忌搜索算法理论引入蝙蝠算法中,可以有效提高BA算法的收敛速度和精度,得到更优的支持向量机模型。UCI标准数据集的分类实验结果表明,与基本的网格搜索,遗传算法等比较,TSBA算法可以获得更高的分类准确率和更好的稳定性。 相似文献
2.
《科技通报》2016,(10)
随着发动机工作性能的不断提高,获取的数据信号种类和数量也随之增加,为判断发动机故障增加了较大的难度。提出基于改进支持向量机数据挖掘算法完成对发动机气路故障偏差值进行挖掘和分析。首先将发动机工作状态实时监测系统收集的数据信息输入到支持向量机训练集中,计算发动机气路参数偏差值并输出;然后将输出的数据作为初始样本进行分析后,判断此数据里包括的发动机故障信息属性,以此为基础,采用指数平滑算法对不属于异常点的突变数据进行平滑处理,输出结果即为小型多旋翼无人机发动机气路故障残差参数偏差值,完成气路故障残差参数偏差值的挖掘。实验证明利用改进后的支持向量机数据挖掘算法,可以准确地计算发动机偏差值数据,更加精确地反映发动机的气路故障,为后期数据平滑处理提供了数据支持。 相似文献
3.
4.
针对人工免疫算法存在易早熟等缺点,将蚁群算法融合到算法中,改进了算子因子,并通过蚁群算法特有的信息素,转移概率等操作,提高了算法的性能,仿真实验中,将融合后的算法结合支持向量机对大数据条件下的汽车设备的故障进行预测,取得了比较好的效果。 相似文献
5.
研究了支持向量机与自组织神经网络的原理,利用支持向量机的小样本学习与推广能力强的特点,结合自组织神经网络良好的学习能力与收敛速度,实现了对支持向量机算法的改进.利用Lincoln实验室入侵检测系统评估数据集合对改进算法进行测试,并将实验结果与BP神经网络进行了比较,结果表明,改进的算法在检测精度与训练时间方面均优于BP神经网络. 相似文献
6.
7.
提出一种遗传算法优化支持向量机算法的网络安全检测方法。混合算法能够直接得到分类超平面的系数,采用最优支持向量机模型对归一化后的网络数据进行检测,最终得到网络入侵结果。本文通过对比分析传统的SVM网络安全技术,验证了GA-SVM技术的优越性。 相似文献
8.
针对传统的支持向量机在分类中不能够逼近任意的分类界面,而造成分类精度低的问题,本文在传统的支持向量机核函数基础上,提出了一种基于遗传算法优化的支持向量机结构模型,并将该方法应用在DNA序列分类上。实验结果表明了本文算法在同等条件下要比传统的SVM分类方法具有更加优越的特征提取性能。 相似文献
9.
10.
11.
通过收集多跳自组织网络下无线传感器故障历史数据,然后利用支持向量机对故障类型与特征之间关系进行建模,支持向量机参数通过遗传算法优化,同时利用云计算对遗传算法性能进行改善,防止神经网络训练时出现收敛速度慢和陷入局部极小等缺陷。仿真实验表明,相对于其它多跳自组织网络下无线传感器故障诊断模型,CGA-SVM提高了多跳自组织网络下无线传感器故障诊断正确率,能够满足多跳自组织网络下无线传感器故障诊断的要求。 相似文献
12.
13.
为了能够有效的提高云计算下的资源负载预测精度,提出了一种改进的布谷鸟算法优化支持向量机的云计算资源模型(ICS-SVM)。首先介绍了基本的布谷鸟算法,并从种群初始化,引入粒子群-量子的概念改进算法,最后将改进后的算法优化SVM获得最优参数建立云计算负载模型。仿真实验说明,与其他的几种经典智能算法优化SVM相比,ICS-SVM能够有效的提高云计算的资源负载变化的预测精度,具有较好的推广价值。 相似文献
14.
提出了一种将核Fisher鉴别分析特征抽取与多分类支持向量机算法结合的网络入侵检测技术,扩展了二分类支持向量机,利用经过核Fisher鉴别分析特征抽取后的训练数据构造优化的决策树,从而实现支持向量机的多分类.实验结果表明该算法能够提高检测正确率,同时降低训练时间,取得了良好的效果. 相似文献
15.
16.
17.
18.
针对人脸图像识别精度不高的缺点,本文将改进的Gabor,DLDA和最小二乘向量机进行融合了一种新的算法。在该算法中,首先通过Gabor中引入支持向量的字典学习算法,提高人脸信息,其次在DLDA中采用降低同类中距离偏大的样本之间的类内距离,去除了无用的样本,最后通过最小二乘向量机筛选出优良的样本。在仿真实验中与其他人脸识别算法进行对比,取得了比较好的识别效果。 相似文献
19.
传统支持向量机应用于财务困境预测时,需要求解复杂的二次规划问题,求解难度大。而最小二乘支持向量机模型可以将二次规划问题变成一个线性方程组来求解,有效降低了模型求解的难度。尤其是将遗传算法应用于最小二乘支持向量机模型参数和核参数的优化时,显著提高了模型预测的正确率。本文从沪深两市随机抽取了2002年-2007年252家A股上市公司作为研究样本,并把研究样本分为两组,对这两组样本数据分别进行了短期及中长期预测。实证结果表明,基于遗传算法的最小二乘支持向量机模型的预测效果不但好于传统统计类Logit模型,也优于传统支持向量机模型。短期预测效果显著优于中长期预测效果,训练样本数直接影响到模型的预测效果,二者呈正相关关系。 相似文献
20.
针对传统的遗传算法收敛慢的问题,提出了一种改进的遗传算法并将其应用在学生成绩预测中.所采用的遗传算法改进策略包括:(1)采用实数进行编码;(2)建立个体适应值函数进行个体评价;(3)使用新的选种策略;(4)改进了杂交过程;(5)修改了入选概率小于变异概率的个体变异策略;(6)优化了算法结束条件.本文将BP神经网络和改进的遗传算法相结合构造学生成绩预测模型.实验结果表明,在误差的收敛速度以及成绩预测的准确性方面,本文提出的模型都获得了令人满意的性能. 相似文献