搜索结果: 1-15 共查到“计算机科学技术基础学科 SVM”相关记录40条 . 查询时间(0.121 秒)
提出一种迭代再权q 范数正则化最小二乘支持向量机(LS SVM)分类算法。该算法通过交叉校验过程选择正则化范数的阶次q(0
SVM对比3组癌症数据,实验结果表明,该算法能够实现自适应特征选择,且比LS SVM推广能力强,在算法耗时方面优于LS SVM。
将禁忌搜索和遗传算法相结合,提出一种改进的最小二乘支持向量机(LS-SVM)参数优选方法。利用自适应遗传算法进行全局搜 索,使用禁忌搜索进行局部寻优,由此提高求解速度和解的精度。采用某冶炼厂净化工段的现场数据建立模型进行仿真实验,结果表明,该方法能使LS-SVM模型具有较好的泛化能力,模型精度满足工艺要求。
PCR-RBF-SVM预测模型在财政数据中的应用
主成分回归 径向基神经网络 支持向量机 预测
2012/11/13
通过使用支持向量机算法将主成分回归的线性预测结果和径向基神经网络的非线性预测结果相结合, 提出一种新的预测模型, 该模型提高了预测精
度, 解决了预测方式单一的问题. 将新预测模型应用于财政数据预测结果表明, 与传统主成分回归和径向基神经网络方法相比, 该模型预测效果更好.
基于SVM-RFE的水稻抗病基因筛选
回归特征消去支持向量机 基因筛选 水稻抗病
2012/11/12
提出一种改进的回归特征消去支持向量机特征选择方法(SVM-RFE)对水稻的抗病基因进行筛选. 实验结果表明: 在预测得到的20个与水稻抗病/敏感相关基因中, 有3个基因与已知的水稻抗病基因紧密相关; 2个基因与已知的水稻抗病基因有一定的相关性. 通过该方法能找到影响水稻生长状态(正常/染病)的基因.
由于许多重要的无线传感器网络需要一个高效、轻量级、灵活的入侵检测算法来检测恶意节点,提出了一种基于二叉树的SVM多类分类方法的合作型入侵检测方案。该方案可扩展性较好,有效地节省了传感器节点的能量。仿真实验表明,与已经提出的入侵检测系统相比,该方案具有较低的误报率和较高的检测率。
采用信息熵的方法来度量粗糙集的模糊性可以在约简之前对粗糙的决策属性进行预处理,从而消除因决策属性的冗余而带来的分类决策的偏差。结合 SVM在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。对该类别的方法进行了改进,并对分类的结果进行了测试。
基于感知器的SVM自学习模型
支持向量机 核函数 感知器 核参数选取
2010/3/15
提出了一种基于感知器的SVM分类模型(PSVM)。该模型在对分类器的训练中,引入感知器分类思想,其先利用SVM的核函数进行核计算,判断其分类性能,分类正确则不作任何修改,反之则转化成感知器分类问题。实验结果表明该模型不但能提高SVM的分类性能,而且还可以降低SVM分类性能对核函数及参数选择的依赖。
基于视觉注意特征和SVM的镜头边界检测算法
镜头边界检测 视觉注意特征 支持矢量机
2010/3/15
镜头边界检测是视频分析的基础。借鉴心理学中有关视觉注意的研究成果,提出了一种采用符合人类视觉注意的特征,并利用支持矢量机进行视频镜头边界检测的算法。通过对TRECVID2007数据库进行实验的结果表明,该算法在查全率和查准率方面都获得了较好的性能。
正则化FDA的核化及与SVM的比较研究
正则化 Fisher判别分析 核方法 凸优化 支持向量机
2010/8/30
无论是Fisher判别分析(FDA)还是基于核的FDA(KFDA),在小样本情况下都会面临矩阵的病态问题,正则化技术是解决该问题的有效途径。为了便于研究正则化FDA与支持向量机(SVM)的关系,推导了一种正则化FDA的核化算法。将约束优化问题转换为对偶的优化问题,得到了与SVM相似的形式,分析了该核化算法与SVM的联系。针对Tenessee-Eastman(TE)过程的故障诊断结果表明,正则化KF...
处理非平衡数据的粒度SVM学习算法
粒度支持向量机 非平衡数据 信息粒
2010/1/29
针对支持向量机对于非平衡数据不能进行有效分类的问题,提出一种粒度支持向量机学习算法。根据粒度计算思想对多数类样本进行粒划分并从中获取信息粒,以使数据趋于平衡。通过这些信息粒来寻找局部支持向量,并在这些局部支持向量和少数类样本上进行有效学习,使SVM在非平衡数据集上获得令人满意的泛化能力。
一种基于预分类的高效SVM中文网页分类器
支持向量机 中文网页分类 文本分类 机器学习
2010/1/12
中文网页分类技术是数据挖掘研究中的一个热点领域,而支持向量机(SVM)是一种高效的分类识别方法。首先给出了一个基于SVM的中文网页自动分类系统模型,详细介绍了分类过程中涉及的一些关键技术,其中包括网页预处理、特征选择和特征权重计算等。提出了一种利用预置关键词表进行预分类的方法,并详细说明了该方法的原理与实现。实验结果表明,该方法与单独使用SVM分类器相比,不仅大大减少了分类时间,准确率和召回率也明...
基于PSO的LS-SVM特征选择与参数优化算法
最小二乘支持向量机 特征选择 参数优化 粒子群算法
2010/1/12
针对最小二乘支持向量机特征选择及参数优化问题,提出了一种基于PSO的LS-SVM特征选择与参数同步优化算法。首先产生若干种群(特征子集),然后用PSO算法对特征及参数进行优化。在UCI标准数据集上进行的仿真实验表明,该算法可有效地找出合适的特征子集及LS-SVM参数,且与基于遗传算法的最小二乘支持向量机算法(GALS-SVM)和传统的LS-SVM算法相比具有较好的分类效果。
GA和SVM在供应链绩效评价中的应用
供应链 绩效评价 支持向量机(SVM) 遗传算法(GA) 特征选择
2010/1/12
研究了基于遗传算法和支持向量机的供应链绩效评价问题。将供应链绩效评价问题用遗传算法进行特征选择并同时对支持向量机参数进行了优化。研究表明该方法能提取出影响供应链绩效的重要属性,减小供应链评价模型的复杂度。应用实例表明基于遗传算法和支持向量机的评价结果从整体上要优于标准支持向量机的评价结果。
基于CEGA-SVM的网络入侵检测算法
入侵检测 遗传算法 支持向量机
2009/11/30
针对传统遗传算法在网络入侵检测中存在分类复杂的问题,提出结合条件熵遗传算法(CEGA)和支持向量机(SVM)的网络入侵检测算法。将入侵特征的抽取和分类模型的建立进行联合优化,同时利用训练数据的统计特性指导入侵特征的抽取,并对特征空间进行线性变换,得到优化的特征子集和分类模型,在提高分类检测率的同时降低检测时延。