基于支持向量机的张掖市温度预报研究

基于21种常见的气象要素数据,利用支持向量机回归模型对张掖市的气温、最高气温、最低气温、24 h变温、露点温度和0 cm地温进行了预报。研究结果表明：支持向量机对张掖市温度有较强的预报能力,预报值与真实值十分接近,预报准确率都能达到90%以上;支持向量机对最低气温预报结果的平均绝对误差和均方根误差最小,为0.440℃和0.747℃,准确率达到了97.85%,对0 cm地温预报结果的平均绝对误差和均方根误差最大,为2.539℃和3.894℃,准确率为91.41%。     

基于贝叶斯支持向量机模型选择算法改进

通过对贝叶斯方法的分析,探讨了SVM的模型选择问题,提出SVM模型的选择可以看作等价于求解概率模型下置信度最大化的观点.首先,通过使用相关后验概率上的数学期望近似计算置信度梯度,然后用拟牛顿法求解置信度最大化问题.在数据集训练过程中引入阶梯度的SMO算法以提高训练效率.实验证明:此算法与网格法和Span估计法相比,改善了SVM的多参数选择问题,提高了执行效率.     

板坯连铸漏钢预报神经元网络专家系统的研究

在提出混合式神经元网络专家系统的理论框架结构的基础上，用C语言开发了具有神经元网络模式识别功能和专家系统功能的漏钢预报模型。离线测试表明，本系统比武钢引进的逻辑判断预报系统性能更好。     

RBF神经网络应用于连铸漏钢预报

从结晶器上热电偶的时间序列和空间序列出发,将径向基（RBF）神经网络应用于连铸漏钢预报,并对连铸过程进行了仿真,取得了较好的效果。     

基于支持向量机的人脸识别算法研究

对基于支持向量机的人脸识别算法进行了研究,并通过仿真实验验证算法的有效性.通过缩小图像的尺寸和离散余弦变换(DCT)来实现图像的预处理,应用基于类内平均脸的主成分分析(PCA)提取人脸图像的特征,应用支持向量机(SVM)实现人脸图像识别.还重点对影响人脸识别系统速度和识别准确率的相关因素进行了研究,为研究人脸识别技术的应用提供理论依据.     

基于小波的支持向量机算法研究

基于小波对偶框架和支持向量核函数的条件,提出了一种支持向量小波核函数.该核函数利用小波的多尺度插值特性和稀疏变化特性,不仅提高了模型的精度和迭代的收敛速度,而且还适用于信号的局部分析、信噪分离和突变信号的检测,从而在提高支持向量机(SVM)泛化能力的同时,提高了辨识效果和减少了计算量.基于该核函数和正则化理论提出的最小二乘小波支持向量机用于非线性系统辨识,对SINC函数的逼近,该小波核得到的均方根误差不足高斯径向基核的1/12,对logistic混沌序列预测的均方根误差不超过8×10-6,同时实验表明,预测的长度对预测均方根误差没有显著影响,这表明小波核SVM具有更好的泛化能力.     

基于支持向量机的人脸识别算法研究

本文基于支持向量机对人脸识别的算法进行了研究,并通过仿真实验验证算法的有效性。通过缩小图像的尺寸和离散余弦变换(DCT)来实现图像的预处理,应用基于类内平均脸的主成分分析（PCA）提取人脸图像的特征,应用支持向量机（SVM）实现人脸图像识别。本文还重点对影响人脸识别系统速度和识别准确率的相关因素进行了研究,为研究人脸识别技术的应用提供理论依据。     

支持向量机的算法研究

支持向量机(support vector machine,SVM)是20世纪90年代发展起来的一种新型机器学习方法,是在统计学习理论基础上发展起来的一种新的数据挖掘方法,已广泛应用于模式识别与回归分析.并已成为国际机器学习界的研究热点.本文主要讨论其基本原理与SVM训练算法.     

支持向量机的算法研究

支持向量机(support vector machine,SVM)是20世纪90年代发展起来的一种新型机器学习方法,是在统计学习理论基础上发展起来的一种新的数据挖掘方法,已广泛应用于模式识别与回归分析。并已成为国际机器学习界的研究热点。本文主要讨论其基本原理与SVM训练算法。     

基于支持向量机的人脸识别算法

特征提取是人脸识别问题中的一个普遍问题,主要是指通过变换将图像空间中的人脸转化到人脸特征空间中,其目的是用最少的数据量表示原始图像的最多的信息.其中Fisher脸法是常用的特征提取方法,本文采用Fisher脸法和支持向量机的方法,构造了一个能够将图像数据空间的人脸映射到人脸特征空间中,并实施识别的实验系统.分析了该系统的构成与特点,并给出了实验测试结果.     

漏钢预报在板坯连铸中的应用

本文介绍达涅利漏钢预报系统的构成,以及其在福建三钢板坯连铸机上的的应用。重点介绍了漏钢预报系统的原理,不足及改进措施。     

基于支持向量机的任务调度模型

云计算框架大大改进了并行算法的实现难度,但是大部分算法有其局限性.介绍了MapReduce(映射化简)的基本实现原理和调度模型的缺陷,提出了基于支持向量机的的MapReduce进化算法,并给出了基本模型及实现.运用Hadoop云计算平台进行了仿真验证,实验结果表明,基于支持向量机的MapReduce计算框架在候选云节点的调度分配的准确性上有明显提高,并且加快了数据迭代的效率.     

基于支持向量机的相关反馈算法研究

相关反馈技术是近年来在图像检索中较为重要的研究方法,通过相关反馈可以形成图像低层视觉特征与用户高层语义特征的映射关系．从机器学习的角度,介绍一种以支持向量机为分类器的新的相关反馈方法,在一定程度上解决了基于内容的图像检索中存在的由于底层特征和上层理解之间的差异而造成的“语义鸿沟”（semanticgap）问题．     

光滑支持向量机模型及算法比较

光滑支持向量机(SSVM)可以用牛顿法等快速算法求解,典型的光滑函数有sigmoid函数的积分函数、多项式函数、插值函数和样条函数。本文从理论和数值实验两个方面比较研究了这些光滑函数逼近正号函数的精度及SSVM模型的常用求解算法Newton-Armijo法、BFGS-Armijo法和Newton-PCG法的收敛速度。研究表明,光滑函数越逼近正号函数,解的精度越高,而训练时间也明显增加;Newton-Armijo法的收敛速度慢于后两种方法,而Newton-PCG法收敛速度最快。     

基于粒子算法和支持向量机的财务危机预警模型

基于特征集的选择、核函数参数的优化对支持向量机(SVM)模型的预测性能有着重要的影响,提出了一个粒子算法-支持向量机(PSO-SVM)模型.该模型采用PSO对特征集和核函数参数同时进行优化,从而提高SVM模型的预测结果.将所提出的PSO-SVM模型应用到财务危机预警中,取得了较佳的预测结果.     

基于支持向量机的机翼载荷模型研究

在利用多元线性回归理论确定飞机机翼标定试验的载荷-应变关系时,对试验数据的精度和容量要求较高,针对这一问题,提出了一种基于支持向量机的机翼载荷确定方法。采用某型飞机机翼地面标定试验数据和飞行实测数据进行实例验证,结果显示两种载荷模型获得的载荷-时间历程整体上较为一致,支持向量机载荷模型的校验误差小于多元线性回归模型,表明支持向量机可作为获取机翼载荷的一个更加有效的手段。     

基于支持向量机的机场检测算法

提出了一种新的机场检测算法．该算法通过把机场跑道的几何特征与其所在区域的纹理特征相结合来描述机场特征，其中由灰度的平均值和方差、区域的光滑性、直方图的偏斜度、区域的一致性、图像的随机性、图像的梯度平均和方差等8个特征组成机场的纹理特征向量．先通过直线检测找到机场跑道的候选区域，然后用基于高斯核函数的支持向量机作为分类函数，对候选区域的特征向量进行分类，由此判别机场跑道．实验表明，与传统的仪通过形状判断机场的方法比较，该算法对机场的误检率较低，检测率比刘德红的方法高近10倍，几乎能实时完成一幅图像的检测．     

基于支持向量机的数字水印算法综述

对基于支持向量机的数字水印算法做了概要性的介绍,由于支持向量机可以通过有限的训练集样本得到小的误差,从而提高学习的泛化能力,因此支持向量机在版权保护领域有很好的应用效果.对基于支持向量机的数字水印技术的相关概念和现有算法进行了描述与分析,另外,对基于支持向量机的数字水印技术的未来发展方向和前景进行了预测.     

基于支持向量回归机的数字水印算法

本文提出了一种基于支持向量回归机的新颖的数字水印算法。利用支持向量回归机良好的学习能力来学习载体图像与水印之间的关系。在含有水印的图像受到常用的攻击后,利用这种关系能够较准确的将水印提取。仿真实验表明,本文算法对椒盐噪声、JPEG压缩、中值滤波和锐化等常规攻击以及扭曲、剪切等几何攻击均具有较好的鲁棒性,同时实现了数字水印的盲检测,整体性能明显优于现有SVM图像水印方案。     

基于支持向量机的增量学习算法

通过对支持向量机KKT条件和样本间关系的研究,分析了新增样本加入训练集后支持向量的变化情况,提出一种改进的Upper Limiton Increment增量学习算法.该算法按照KKT条件将对应的样本分为3类:位于分类器间隔外,记为RIG;位于分类间隔上,记为MAR;位于分类间隔内,记为ERR.并在每次训练后保存ERR集,将其与下一个增量样本合并进行下一次训练.实验证明了该算法的可行性和有效性.