基于支持向量机的网页多类分类技术

基于支持向量机的网页分类技术是数据挖掘中一个研究热点领域．支持向量机是一种高效的分类识别方法，在解决高维模式识别问题中表现出许多特有的优势．但支持向量机本身是一个两类问题的判别方法。不能直接应用于多类问题．总结了当前常用的几种支持向量机多类分类算法。分别从训练速度、测试速度、分类精度三方面对这些分类方法进行了讨论，并给出了进一步的研究方向．     

基于支持向量机的网页多类分类技术

基于支持向量机的网页分类技术是数据挖掘中一个研究热点领域.支持向量机是一种高效的分类识别方法,在解决高维模式识别问题中表现出许多特有的优势,但支持向量机本身是一个两类问题的判别方法,不能直接应用于多类问题.总结了当前常用的几种支持向量机多类分类算法,分别从训练速度、测试速度、分类精度三方面对这些分类方法进行了讨论,并给出了进一步的研究方向.     

支持向量机多类分类方法的精度分析

为了更好的选择合适的支持向量机多类分类器,对多类分类器one—against—the—rest及二叉树多类分类器的分类精度进行了理论分析,给出了定量的分类精度公式。公式表明,二叉树多类分类器的分类精度通常大于one—against—the—rest多类分类器的分类精度。在所有的二叉树多类分类器中,均衡二叉树多类分类器的分类精度最高,最不均衡二叉树多类分类器的分类精度最低。最后通过实验验证了理论分析的正确性。     

模糊支持向量机在径流预测中的应用

在分析现有径流预测模型局限性的基础上,考虑径流量随时间变化的不确定因素,建立了基于模糊支持向昔机的径流预测模型,使得较近时间的径流数据与较远时间的径流数据相比,对预测精度的提高影响更大．将该模型应用于新疆伊犁河雅码渡站年径流预测中,与传统的支持向量机预测模型比较表明,模糊支持向量机预测精度有较大的提高,并能进一步在其他流域径流预测中推广应用．     

多类支持向量机的自然图像分类

根据图像的内容把图像划分为多个不同的类别一直是计算机视觉的一个难点。这里提出了一种多类支持向量机用于图像分类的算法，该方法主要在2类支持向量机的基础上用来构造多类分类器，用于把自然图像分成多个类别，同时研究了不同核函数的参数变化对分类效果的影响，实验证明和传统的方法相比，分类的准确性有明显的提高。     

基于类半径的多类分类SVM算法

分析了现有多类分类支持向量机算法的不足,在此基础上提出了基于类半径的多类分类支持向量机算法.这种算法在训练前首先对训练集进行分析,然后用one-class SVM进行分类.试验结果表明,该算法分类精度较高,训练时间短.     

支持向量机多分类问题研究

支持向量机是典型的两类分类方法,如何将其推广到多分类问题是学者们正在研究的一个热点。对比分析几种常用的多类方法的优缺点,利用标准数据集对多类支持向量机的速度和精度两方面进行试验分析。研究表明,对于大规模的多类分类问题,有向无环图简单易行,具有理想的训练速度与精度,具有一定的参考价值。     

多类支持向量机的DDoS攻击检测的方法

为了利用SVM准确的检测DDoS,需要找到区分正常流和攻击流的特征向量,根据DDoS攻击的特点,提出了独立于流量的相对值特征向量。为了在指示攻击存在的同时,也指示攻击强度,多类支持向量机(MCSVM)被引入到DDoS检测中。实验表明,RLT特征与MCSVM相结合,可以有效检测到不同类型的DDoS攻击,并且能准确地指示攻击强度,优于目前已有的检测方法。使用RLT特征进行DDoS检测,比使用单一攻击特征进行识别的方法,包含更多的攻击信息,可以得到较高的检测精度。     

基于支持向量机的文本分类方法研究

文本分类是信息检索与数据挖掘领域的研究热点与核心技术,近年来得到了广泛的关注和快速的发展,其中基于支持向量机的文本分类方法的研究是信息检索领域的一个重要分支。本文首先讨论了该领域的研究状况,接着阐述并分析了在该领域中的主要研究方法以及实例．最后对该领域研究中存在的问题和方向进行了分析。     

基于支持向量机的中长期入库径流预报

采用基于支持向量机的预测模型对水库中长期入库径流进行预报,建立径流预报的SVM模型。预报因子的优劣决定着预测精度的高低。为了提高预报精度,尝试采用模糊优选法对预报因子进行优选。将所建模型应用于新疆雅马渡站的径流预测中,并与没有进行预报因子优选的SVM模型进行比较。结果表明,进行预报因子优化后的SVM模型明显提高了径流的预报精度,具有更高的应用价值。     

基于支持向量机的鲁棒波束形成

针对传统的最优波束形成对基阵的微小扰动非常敏感,使得最优波束形成器在导向向量存在误差时性能下降。为了改善最优波束形成器的鲁棒性,在对基于结构风险最小化原理的支持向量机(Support Vector Machine,SVM)算法分析的基础上,通过纳入附加的不等式约束来修改传统的线性约束最小方差价值函数,提出基于支持向量机的鲁棒波束形成方法。同时,为了减轻二次规划技术所带来的高计算成本,凸优化过程采用迭代重加权最小二乘算法来实现。与传统的最优波束形成算法相比,新方法能够提高最优波束形成对误差的鲁棒性。数值仿真实验表明:在无失配的理想情形和有失配的实际情形下,基于支持向量机的波束形成算法在期望信号阵列响应误差方面增加了鲁棒性,特别是在高信噪比或干扰信号数目较多的情况下,取得了满意的效果,为提高波束形成器的鲁棒性提供了一种新的有效途径。     

Mandarin Digits Speech Recognition Using Support Vector Machines

A method of applying support vector machine (SVM) in speech recognition was proposed, and a speech recognition system for mandarin digits was built up by SVMs. In the system, vectors were linearly extracted from speech feature sequence to make up time-aligned input patterns for SVM, and the decisions of several 2-class SVM classifiers were employed for constructing an N-class classifier. Four kinds of SVM kernel functions were compared in the experiments of speaker-independent speech recognition of mandarin digits. And the kernel of radial basis function has the highest accurate rate of 99.33 %, which is better than that of the baseline system based on hidden Markov models (HMM) (97.08%). And the experiments also show that SVM can outperform HMM especially when the samples for learning were very limited.     

最小二乘支持向量机分类问题的算法实现

介绍了支持向量机理论、常用的支持向量机内积核函数以及最小二乘支持向量机算法.采用最小二乘法实现了支持向量机分类算法.数字仿真结果表明,该算法的识别正确率可达100%.     

基于支持向量机的聚氯乙烯耐有机溶剂性能分类

支持向量机是一类全新的小样本统计学习方法,它通过支持向量对样本进行分类或统计回归.将其应用于对非晶态聚氯乙烯的耐有机溶剂性能进行分类研究.选择74种溶剂(73种有机溶剂和水)的溶解度参数分量,即色散参数(δds)、偶极参数(δps)、氢键参数(δhs)为描述变量,采用径向基核函数,以留一法交互检验的识别率为目标函数进行支持向量分类.当选择SVM参数C=512及径向基核函数参数γ=0 5×10-3时,SVM对PVC耐蚀性能分类的模型识别率为94 59%,LOO识别率为91 89%.     

基于支持向量机的软件缺陷预测模型

软件缺陷预测在软件系统开发的各个阶段发挥着极为重要的作用.利用机器学习的相关方法建立更好的预测模型已经被广泛研究.文章分析了支持向量机SVM作为二值分类模型应用到软件缺陷预测中的实现方法,构造了基于SVM的可迭代增强的缺陷预测模型SVM-DP.在13个基准数据集上开展比较实验,定量地分析了应用各种核函数对SVM-DP模型性能的影响.实验结果显示,应用线性内积核函数的SVM-DP具有最优的预测性能.同时,在与J48的比较实验中,最高超过J48预测模型20％的性能进一步证明了SVM-DP模型应用于软件缺陷预测的有效性.     

基于HOC-SVM的运动状态下脑电的特征提取与分类

研究人脑在不同运动状态下的脑电信息,不仅能够揭示出各种运动状态对于大脑活动的影响,也是工程技术人员设计脑-机接口与神经修复系统的关键技术之一。文章根据脑电信号的μ节律变化,首次将表征时间序列摆动特性的高阶过零分析(Higher Order Crossing,HOC)方法运用于运动状态下的脑电信号的特征提取并结合支持向量机(Support Vector Machine,SVM)对输入的高阶过零特征量进行了有效的分类。将该方法提取的特征量与基于统计学的特征量分别用SVM进行分类,结果表明本方的识别率明显高于基于统计学特征量的方法。说明基于HOC-SVM方法在脑电信号的特征提取与分类中有较强的可行性和实用性。