共查询到20条相似文献，搜索用时 62 毫秒
1.
本文从miRNA及其前体的生物学特征出发,在对支持向量机理论及其应用特点进行研究的基础上,构建了基于支持向量机的miRNA预测过程模型,在miRNA特征的向量表示、miPNA特征选择、预测模型核函数及参数选择方面进行了研究.以水稻、拟南芥、玉米的miRNA为实例,对基于支持向量机的miRNA预测方法的预测准确率进行了验证,实验结果表明该方法预测准确率达95%以上. 相似文献
2.
《内蒙古科技与经济》2016,(9)
通过计算机智能辅助技术,以植物叶片作为研究对象,基于卷积神经网络模型(CNN)和支持向量机(SVM)原理提出了对植物叶片进行分类的方法;通过对36种植物叶片样本图像进行训练和识别,其识别率达到了92.13%。 相似文献
3.
4.
基于混沌优化的支持向量机地下水位动态预测 总被引：1，自引：0，他引：1
地下水位动态受到自然因素和人为因素的影响,随机性明显,因此在地下水物理过程分析的基础上构建地下水位动态预测的随机性模型对地下水资源评价具有重要意义。本文将小样本机器学习理论——统计学习理论中的支持向量机理论引入地下水位动态预测。最小二乘支持向量机是支持向量机的一种,考虑到地下水位动态序列的长度和峰值突变性的特点,本文提出一种改进的支持向量机-峰值识别最小二乘支持向量机;并针对支持向量机算法存在的参数优化、训练和测试速度等问题,结合混沌优化方法,建立了基于混沌优化的峰值识别最小二乘支持向量机地下水位动态预测模型;最后本文以内蒙古河套灌区义长灌域1990年~2004年3个灌期(夏灌(4月~6月)、秋灌(7月~9月)和秋浇(10月~11月)降水量、平均气温、蒸发量、引水量、地下水开采量、地下水排泄量和地下水位埋深共15年45个样本资料为数据源,将该模型和原最小二乘支持向量机模型分别用于义长灌域地下水位动态预测。结果表明,该模型的拟合值、检验值和预测值与实际值复合的很好,拟合的平均相对误差绝对值为2.0868%,检验的平均相对误差绝对值为3.4777%,预测的平均相对误差绝对值为6.8589%,且训练和测试速度快,而原最小二乘支持向量机模型预测的平均相对误差绝对值为20.6767%。因此,该模型用于地下水位动态预测是可行和有效的。 相似文献
5.
简要介绍了基于统计学习理论的支持向量机回归(SVR)原理,针对边坡稳定性影响因素的复杂性,结合实例运用SVR技术构建了铀矿边坡稳定性的支持向量回归预报模型,并利用网格搜索与留一交叉验证方法(LOOCV)优化模型参数。研究表明,在小样本条件下,SVR预报模型对训练样本的计算值与实测值平均相对误差(MRE)为0.045967%,相对均方误差(MSRE)为0.046371%,拟合值(VOF)为1.999995765,相关系数(R)为0.9984,均比人工神经网络方法的相应指标值要小,说明支持向量回归方法是一种科学有效的矿山边坡稳定性的分析方法。 相似文献
6.
讨论了支持向量机中高斯核函数中参数σ对支持向量机学习预测性能的影响,指出高斯核函数具有描述样本相似程度这一性质,通过数值实验给出一种选择高斯核函数的方法——拐点法。然后针对石油地质勘探的实际问题,将支持向量机运用测井曲线预测储层参数,同时与反向传播神经网络函数逼近法预测进行比较,结果表明该方法预测精度高、方法稳定有效,支持向量机较好的解决了小样本测井勘探的实际问题。 相似文献
7.
基于深度人工神经网络技术和数字图像处理技术研究通过叶片颜色信息预测叶绿素含量。采用迭代法阈值分割处理青冈栎叶片图像实现背景区域和目标区域的分离,对分离后的图像进行灰度拉伸,高斯滤波等处理得到图像平均R、G、B值从而建立图像数据样本,同时采用二维插值法增加训练样本总数。为筛选最佳的神经网络模型和网络输入组合,比较两组不同网络输入组合在线性网络、BP网络、径向基网络和广义神经回归网络下的检测效果。结果表明,选取颜色参数(B/R,R-B,(R-B)/(R+B),G/(R+G+B))作为径向基网络的输入向量时,10组测试样本预测值与实测值之间的最大相对误差为9.72%,平均相对误差为6.51%,证明该方法预测叶绿素含量是可行的以及有良好的应用前景。 相似文献
8.
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
9.
将随机森林融合支持向量机(RF-SVM)模型引入个人信用评估问题中,利用随机森林的特征选择算法,对实验样本进行属性特征选择,将得到的结果作为输入变量构建模型,以获得更高的预测精度。通过对大量SVM分类模型研究,发现传统SVM模型中无法有效筛选预测指标。通过对实验样本实证研究,并验证该模型的预测结果可信度,将其与单独的全变量SVM模型结果比对,结果证明,该方法能获得较好的预测效果。 相似文献
10.
顺流向位移是坝体形变监测中的重要指标。针对神经网络、支持向量机模型存在的局限性,提出基于粒子群优化与最小二乘支持向量回归的模型对顺流向位移进行预测。结合实地坝体数据,通过与神经网络、传统支持向量机等模型进行对比实验和分析,结果表明,该方法具有误差低、计算效率高等特点。 相似文献
11.
支持向量机在机器学习中表现良好。基于径向基(RBF)核的支持向量机的分类和回归性能受其核参数的影响。为了获得最优的分类和回归预测结果,选择合适的核参数设置对提高分类和回归预测的准确度非常重要。本文使用网格搜索算法、遗传算法、粒子群优化算法分别进行径向基(RBF)核参数寻优。对比实验表明,网格搜索算法具有一定优势。 相似文献
12.
13.
14.
财政收支趋势预测具有重要应用价值.本文建立了财政收入回归支持向量机的时闻预测模型,并以贵州地方财政收入为例,对采集到的数据进行归一化处理后,分别采用RBF核函数和Linear核函数的支持向量机和时问序列模型对数据进行应用,以1980-2001年的数据为拟合数据,以2002-2007年的数据为预测数据,比较相对误差,得出采用径向量核函数的支持向量机回归预测的结果准确度高. 相似文献
15.
16.
参数的优化选择对支持向量机回归算法(SVR的预测精度和泛化能力影响显著,提出混沌粒子群优化算法(CPSO优化选取支持向量回归算法中参数c和g信息粒化是进行海量数据挖掘和模糊信息处理的有效工具。在此基础上利用上证指数数据建立上证指数开盘数预测模型,研究结果表明,混沌粒子群优化的SVR信息粒化时序回归预测模型克服了传统时间序列模型仅局限于线性系统的缺点,速度快,预测精度高,且实用性强。 相似文献
17.
关于支持向量回归机的模型选择 总被引：28，自引：0，他引：28
支持向量机是在统计学习理论基础上发展起来的一种新型的机器学习方法。模型选择是设计支持向量机的重要内容之一。本文在分析用于回归的支持向量机原理的基础上,分别从核函数的选择、模型参数的作用、模型参数的调整方法等模型选择方面进行了综述,并讨论了模型选择的优缺点,最后指出在实际应用中常见的核函数和模型参数调整方法。 相似文献
18.
19.
随着电子商务的迅速发展，推荐系统与算法已经成为理论研究的热点。支持向量机是一种强大的分类工具，由其衍生出的支持向量机回归方法能很好地解决非线性回归问题。文中以电影推荐为例，引入支持向量机回归方法来分析项目的内容，构建用户模型，进而给出推荐。实验结果和理论分析表明这种推荐算法与传统协同过滤算法相比，能够明显提高推荐精度，并显著缩短了推荐所需时间；在大样本量情况下也能同样高效。 相似文献
20.
基于PCA及SVM的图像信息隐藏检测* 总被引：1，自引：0，他引：1
本文提出了一种基于主成分分析（PCA, principal components analysis）及支持向量机（SVM, support vector machines）的信息隐藏盲检测方法。该方法根据信息隐藏时对载体图像引入噪声的特点,通过分析图像块的主成分,计算出图像的特征向量。通过对原始样本图像和藏密样本图像特征向量的学习和训练,得到SVM检测模型,可用于信息隐藏的盲检测。实验结果表明,该方法能够有效地检测出目前常用的信息隐藏方法。 相似文献