共查询到10条相似文献，搜索用时 31 毫秒
1.
2.
为去除网络入侵数据集中的冗余和噪声特征,降低数据处理难度和提高检测性能,提出一种基于特征选择和支持向量机的入侵检测方法。该方法采用提出的特征选择算法选取最优特征组合,并以支持向量机为分类器建立模型,应用于入侵检测系统。仿真结果表明,本文方法不仅可以减少特征维数,降低训练和测试时间,还能提高入侵检测的分类准确率。 相似文献
3.
4.
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
5.
[研究目的]为提高人工分类效率,降低因分类人员主观知识结构和客观环境因素影响导致的分类错误率,本研究构建了基于层次分类器的专利文本分类模型。[研究方法]随机抽取A、D、E、H4个部中的4000条中文发明专利,以其名称和摘要数据为实验对象,通过文本预处理及文本特征表示后,基于KNN、支持向量机、Rocchio和朴素贝叶斯4种机器学习模型,分别探索IPC部、大类、小类和大组层次上的最佳分类模型及其组合。[研究结论]实验结果显示,层次结构可有效改善平面分类模型的性能,层次组合模型比层次单一模型拥有更高的分类准确率,各层次的最优分类模型分别是：支持向量机(部)、Rocchio+支持向量机(大类)、Rocchio+朴素贝叶斯+支持向量机(小类)、KNN+朴素贝叶斯+支持向量机+支持向量机(大组)。 相似文献
6.
企业财务困境预测是财务实务界和理论界关注的热点问题之一。为了有效识别出在未来两年内有可能陷入财务困境的企业,该文提出了一种遗传算法优化灰色案例推理的新方法进行企业财务困境预测,并采用实证研究予以验证。理论研究中主要构建了财务困境预测的企业案例描述、基于灰色相似度的k近邻案例检索、基于相似度加权投票组合的评价结果集成和基于遗传算法的案例特征权重向量优化等四个关键内容。实证研究中,收集了270个上市公司ST前一年和前两年的数据为初始样本,通过格点搜索技术进行参数优化,采用余一交叉验证准确率作为评价标准,通过与多元判别分析、Logistic回归、BP神经网络、支持向量机的预测结果比较发现：该方法在企业财务困境预测中的准确率有较大提高。 相似文献
7.
基于挣值分析和风险管理，通过蒙特卡洛模拟获取项目数据，使用二次判别分析、随机森林和支持向量机进行模型学习和完工预测是项目控制的有效方法之一。在现有研究基础上，考虑项目执行过程中的剩余工作时间、剩余工作费用和风险，分别应用现有研究方法、梯度提升树和人工神经网络进行模型学习，利用嵌套交叉验证进行模型选择和模型评估。研究结果表明，优化后的方法显著提升项目完工预测的准确率。 相似文献
8.
9.
10.
以我国制造业上市公司为样本数据,用支持向量机作为基分类器的集成学习方法来预测企业的财务危机,通过具体实验分析可知:集成学习比单个基分类器的预测准确率提高了4个百分点,且稳定性更高,有效地提高了模型的预测精度,使得模型更具有准确性和应用性。基于支持向量机的集成学习方法在构建我国制造业上市公司财务危机预警模型上是有效的,且达到一定的财务危机预警效果。 相似文献