搜索结果: 1-15 共查到“算法理论 SVM”相关记录21条 . 查询时间(0.343 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(0SVM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.
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。
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。
针对传统风险辨识方法无法实现盾构隧道施工过程中的风险状态实时识别的问题，提出一种自适应遗传算法和支持向量机结合的特征选择方法(AGASVM)，筛选出与施工质量风险关系最为密切的关键特征集。实验结果表明，用AGASVM所获得的关键特征集用于施工风险状态实时识别的分类准确率较高。其特征集规模比原始特征集有明显缩减，而且绝大部分关键特征与领域专家的意见是吻合的。
一种用于非平衡数据的SVM学习算法
支持向量机 非平衡数据 评价函数
2009/8/5
在实际应用中的分类数据往往是非平衡数据，少数类别的数据可能有很大的分类代价。分类性能不仅要考虑分类精度，同时要考虑分类代价。该文扩展了支持向量机(SVM)学习方法，对于以高斯核为核函数时的少数类和多数类使用不同的惩罚参数C+, C-以获得高敏感度的超平面，并提出利用遗传算法对SVM的学习参数进行优化调整。给出一种新的评价函数，对分类结果的质量进行评价。实验结果证明，算法对于非平衡数据的分类有较好的...
一种改进的基于粒子群优化的SVM训练算法
支持向量机 粒子群优化算法 自适应变异
2009/7/9
支持向量机的训练需要求解一个带约束的二次规划问题，但在数据规模很大的情况下，经典的训练算法将会变得非常困难。提出了一种改进的基于粒子群的优化算法，用于替代支持向量机中现有的训练算法。在改进后的粒子群优化算法中，粒子不仅向自身最优和全局最优学习，还以一定的概率向其他部分粒子的均值学习。同时，还引进了自适应变异算子，以降低未成熟收敛的概率。实验表明，提出的改进训练算法相对改进前的算法在性能上有显著提高...
一种基于SVM算法的垃圾邮件过滤方法
支持向量机 序列最小优化算法 分类时间
2009/7/8
基于邮件内容的过滤是当前解决垃圾邮件问题的主流技术之一。针对垃圾邮件过滤本质是分类问题，提出了一种基于支持向量机对垃圾邮件过滤的方法，并且将SMO分类算法结合到垃圾邮件分类中。通过实验，SMO算法能够取得较好的分类效果，缩短了支持向量机分类器的分类时间。
基于SVM的非相关线性判别分析算法研究
支持向量机 基因表达谱 分类
2009/6/24
基于基因表达谱对组织样本进行分类，在疾病诊断领域，是个非常重要的研究课题。在基因表达数据中，基因的数量（几千个）相对于数据样本（几十个）的个数通常比较多；也就是说，数据的维数相比于数据点的个数来说比较高（这个就是采样不足问题）。过高的维数（特征或基因数）将给分类问题带来极大的挑战。提出了结合非相关线性判别式分析方法（ULDA）和支持向量机（SVM）分类算法，对结肠癌组织样本进行分类识别，并同其他方...