基于综合模拟法与支持向量机的水资源预警分析

提出并确定了哈尔滨市水资源可持续利用预警指标的警度.利用反馈法确定了预警指标的警限,采用2次检验的方法对其预警有效性进行了检验,设计了预警信号灯系统,并对哈尔滨市水资源可持续利用进行监测预警;运用支持向量机的方法预警指标值进行预测,对哈尔滨市水资源可持续利用进行趋势预警,包括单指标趋势预警和多指标趋势预警,进而获得了趋势预警的结果.     

电网项目融资租赁信用评价混合模型的新研究

电网建设工程通过项目融资租赁进行快速融资的同时,给租赁公司带来巨大的信用风险.通过事前对承租人进行信用评价,能够有效降低信用风险损失.针对电网企业信用评价的多属性非线性特征,提出了基于独立分量分析技术-支持向量机的信用评价混合模型.首先,采用独立分量分析技术对信用属性数据进行属性重构,实现属性数据的去噪.然后,将重构后的新信用属性数据用于支持向量机的训练建模.最后,通过实例模拟对比分析了独立分量分析技术对支持向量机分类的有效性.结果表明,独立分量分析技术能够改善信用属性数据特征,并且在多属性分类问题中,独立分量分析技术有助于提高支持向量机分类的准确率.     

川金丝猴亚种的支持向量机分类(SVC)模型研究

综合论述了支持向量机分类(SVC)的数学模型以及如何转化为一个凸二次规划的对偶问题;并利用相应的计算机软件建立了川金丝猴亚种的支持向量机分类模型.     

基于支持向量机混合采样的不平衡数据分类方法

利用传统支持向量机(SVM)对不平衡数据进行分类时,由于真实的少数类支持向量样本过少且难以被识别,造成了分类时效果不是很理想.针对这一问题,提出了一种基于支持向量机混合采样的不平衡数据分类方法(BSMS).该方法首先对经过支持向量机分类的原始不平衡数据按照所处位置的不同划分为支持向量区(SV),多数类非支持向量区(MNSV)以及少数类非支持向量区(FNSV)三个区域,并对MNSV区和FNSV区的样本做去噪处理;然后对SV区分类错误和部分分类正确且靠近决策边界的少数类样本重复进行过采样处理,直到找到测试结果最优的训练数据集;最后有选择的随机删除MNSV区的部分样本.实验结果表明:方法优于其他采样方法.     

基于支持向量机的制造企业创新能力评价模型

在分析了制造企业创新能力评价指标体系的基础上进行企业调查,对收集到的不同类型制造企业的完整数据进行整理,因子分析整理后得到9个综合因子表述原数据,以减少数据处理及问题分析的复杂性.利用支持向量机作为分类器,并使用已有的企业数据作为训练样本,创建了基于支持向量机的制造企业创新能力评价模型.实验结果表明采用径向基函数和多项式函数作为核函数,此模型具有很好的分类性能,可作为制造企业创新能力的评价工具.     

支持向量机回归方法在地表水水质评价中的应用

将支持向量机方法应用于地表水质评价问题中,建立了多指标水质综合评价的支持向量机回归模型.在地表水质评价标准的基础上采用内插法获得学习样本,经过训练,得到水质评价的分类区间;然后以实测资料对所建模型进行检验,研究结果表明,支持向量机回归模型性能良好、预测精度高、简便易行,是水质评价的一种有效方法,具有广阔的应用前景.     

基于凸绝对值不等式的半监督最小二乘支持向量机

针对半监督分类问题,提出了基于凸绝对值不等式的半监督最小二乘支持向量机.传统的半监督支持向量机鲁棒性不强、效率不高,针对这些不足,利用凸绝对值不等式将平面分为两个有重叠的半平面,通过极小化重叠部分以及采用最小二乘支持向量机的思想处理无标签点,提高分类准确率,结果具有一定的鲁棒性.在8个数据集上进行了数值实验,说明了所提出的半监督分类算法的有效性.     

基于Fuzzy理论的数据挖掘算法研究(Ⅰ)

“数据挖掘”是数据处理的一个新领域.支持向量机是数据挖掘的一种新方法,该技术在很多领域得到了成功的应用.但是,支持向量机目前还存在许多局限,当支持向量机的训练集中含有模糊信息时,支持向量机将无能为力.为解决一般情况下支持向量机中含有模糊信息(模糊参数)问题,研究了模糊机会约束规划、模糊分类中的模糊特征及其表示方法,建立了模糊支持向量分类机理论,给出了模糊线性可分的模糊支持向量分类机算法.     

基于Fuzzy理论的数据挖掘算法研究Ⅱ

"数据挖掘"是数据处理的一个新领域.支持向量机是数据挖掘的一种新方法,该技术在很多领域得到了成功的应用.但是,支持向量机目前还存在许多局限,当支持向量机的训练集中含有模糊信息时,支持向量机将无能为力.为解决一般情况下支持向量机中含有模糊信息(模糊参数)问题,研究了模糊机会约束规划、模糊分类中的模糊特征及其表示方法,建立了模糊支持向量分类机理论,给出了模糊线性可分的模糊支持向量分类机算法.     

基于支持向量机的神经元形态分类

针对神经元的空间几何形态特征分类问题以及神经元的生长预测问题进行了探讨.结合神经元的形态数据,分别建立了基于支持向量机的神经元形态分类模型、基于主成分分析和支持向量机的神经元分类模型以及基于遗传算法和RBF网络的神经元生长预测模型,在较合理的假设下,对各个模型进行求解,得到了较理想的结果.     

基于极大熵投影寻踪组合法的水资源预警评价模型

利用基于极大熵准则赋权和基于实数加速遗传算法的投影寻踪方法相结合的组合附权法确定了各预警指标的权重;采用层次分析法计算水资源可持续利用复合系统中各子系统所占权重;利用综合评价模型计算出哈尔滨市水资源可持续发展指数;最终得到哈尔滨市水资源可持续利用预警结果.     

基于PCA-GA-SVM的火成岩分类方法研究

在地质科学中,正确的岩石分类有助于研究岩石的成因、形成条件、演化过程和工程设计等.由于地质条件的多样性、变异性及复杂性,人们很难对岩石样本进行准确的分类.通过主成分分析法(PCA)从影响火成岩分类的众多氧化物评价指标中提取出主成分,用遗传算法(GA)优化支持向量机参数,并采用支持向量机方法(SVM)对实际火成岩公开数据进行训练,建立了火成岩岩石分类的PCA-GA-SVM模型,同时结合火成岩实际数据将预测结果和基于Levenberg-Marquardt算法改进的BP神经网络模型(LM-BP)的预测结果做了比较.结果表明:基于PCA-GA-SVM模型得到的火成岩分类预测结果精度较LM-BP神经网络有很大的提高,与实际分类相符,有广泛的应用前景.     

基于模糊综合评价模型的赣州市水资源承载力动态评价

水资源的合理利用对区域经济社会发展以及促进人与自然的可持续发展至关重要.通过构建模糊综合评价模型,选取年降水量、人均水资源量、水资源利用率、万元GDP用水量、万元工业增加值用水量、农田灌溉亩均用水量、生态用水等7个指标对赣州市2009-2018年水资源承载力进行动态评价研究,分析近十年该地区水资源承载力演变趋势以及影响该地区水资源承载力的主要因素.结果表明:1)赣州市水资源综合承载力较高,水资源还有进一步开发利用的空间;2)2009-2018年赣州市水资源承载力整体上呈上升趋势,但上升幅度不大,呈现小幅波动状态,其中GDP、工业用水量以及农业用水量对赣州市水资源承载力的具有显著影响;3)赣州市水资源较丰富,但由于时空分配不均,水资源配置体系也不够完善,且供水的基础设施比较薄弱,所以水资源的开发利用程度比较低.该研究结果可为当地水资源的可持续利用提供决策参考和依据.     

区域水资源可持续利用综合评价模型的构建及其应用——以哈尔滨市为例

针对区域水资源利用的现状及特点,构建影响区域水资源可持续利用的主要评价指标体系.运用基于实数编码的加速遗传算法(RAGA)的投影寻踪分类(PPC)模型,把多维评价指标值转化为一维投影值,获得指标体系最佳投影方向和投影值,从而做出判断.以哈尔滨市为例,对哈尔滨市区域水资源可持续利用程度进行综合评价,将评价结果与多目标决策的灰色关联投影法的评价结果进行对比,验证了该模型在该方面研究的科学性和有效性.     

基于支持向量机委员会机器的个人信用评估模型

为了充分利用SVM在个人信用评估方面的优点、克服其不足,提出了基于支持向量机委员会机器的个人信用评估模型.将模型与基于属性效用函数估计构造新学习样本方法结合起来进行个人信用评估;经实证分析及与SVM方法对比发现,模型具有更好、更快、更多适应性的预测分类能力.     

支持向量机在胎膜早破预测中的应用

为快速、准确地对胎膜早破进行预测,首次应用了一种新型的数据挖掘技术-支持向量机预测模型.该模型针对所获取的胎膜早破及正常破膜数据集100个病例进行建模,并与神经网络、Logistic回归建模的性能进行了比较.结果表明,支持向量机具有可调参数少、学习速度快等优点,计算所得到的结果无论从准确率,还是所获取知识的可理解性等方面,都优于常用的神经网络等方法.用支持向量机方法建立的胎膜早破预测模型合理可行.     

基于改进的PSO-SVM的音频信号特征识别和分类

针对音频信号准确性分类的问题,提出一种基于改进的的粒子群优化算法(PSO)的支持向量机(SVM)音频信号分类的方法,简称IPSO-SVM.首先用Mel倒谱系数法对4种音频信号进行特征提取.其次在PSO中引入自适应变异因子,能够成功地跳出局部极小值点;然后对PSO中的惯性权重进行了改进,将惯性权重由常数变为指数型递减函数.随着迭代的进行,使权重逐渐减小,这样做有利于粒子进行局部寻优.最后用改进的PSO不断优化SVM中的惩罚因子c和核函数参数g来提高预测精度.实验结果表明,与传统的SVM、PSO-SVM、GA-SVM相比,我们提出的IPSO-SVM算法分类结果更精确.     

北京市水资源利用建模分析研究

以北京市为例,分别应用无偏灰色GM(1,1)模型和非线性模型对北京市2001年-2010年的用水量进行了建模,利用最优化方法,计算了上述两种模型的最优组合模型,通过三种模型分别计算了北京市2001年-2010年的水资源利用量,并与北京市2001年-2010年的实际用水量进行了对比,采用精度检验方法,分别对无偏灰色模型,非线性模型和组合模型进行了精度检验,计算结果表明,加权组合模型是三种模型中精度最高的模型,通过组合模型计算得出的用水量值与实际水资源利用量相比误差最小,由此得出,可以利用组合模型对北京市未来的水资源利用量进行预测,预测结果可为其他相关研究提供参考.