一种处理多类分类问题的强化支持向量机方法

提出了一种强化支持向量机方法,将支持向量机与强化学习结合,逐步对未知类别标记样本进行访问,根据对该样本分类结果正确与否的评价标记访问点的类别,并对当前的分类器进行更新,给出了更新分类器的规则。对模拟数据和真实数据分别进行了实验,表明该方法在保证分类精度的同时,大大降低了对已知类别标记的训练样本的数量要求,是处理已知类别标记样本获取困难的多类分类问题的一种有效的方法。     

Ho3+掺杂Al2O3粉体、薄膜的结构及其发光性能

采用高能球磨法及脉冲激光沉积法(PLD)分别制备了不同浓度的Ho3+∶Al2O3纳米粉体及薄膜,利用X射线衍射仪(XRD)、分光光度计、荧光光谱仪等分析手段研究了Ho3+离子掺杂对Al2O3结构及发光性能的影响。XRD图谱显示粉体样品为六方α-Al2O3结构,薄膜样品为体立方γ-Al2O3结构。1wt%Ho3+掺杂的Al2O3纳米粉体在454nm、540nm附近出现由Ho3+离子能级跃迁引起的吸收峰。采用579nm的激发光源对样品进行荧光光谱检测,发现两种样品在466～492nm波段均出现F+心所引起的缺陷发光峰,且发光峰的强度随Ho3+浓度的增加而增强。     

支持向量机中的核参数选择问题

核函数中的参数选择是支持向量机中的一个很重要的问题,它直接影响模型的推广能力。通过最速下降法求LOO上界的极小点来确定核参数是一种新的核参数选择方法。由于该方法易陷入局部最优解,提出了一种基于混合遗传算法求解LOO上界极小点的核参数选择方法。实验证明,通过该方法选择出来的核参数能够提高分类精度,具有实用性。