基于支持向量机的蒸煮过程卡伯值软测量

卡伯值是制浆蒸煮过程表征纸浆质量的一个重要质量指标，卡伯值软测量是实现蒸煮过程质量控制的重要途径。支持向量机是一种新型的机器学习方法。该方法采用了结构风险最小化原则，与传统机器学习方法相比，在最小化学习误差的同时可以保证有较小的泛化误差。将支持向量机应用于制浆蒸煮过程卡伯值的软测量建模，取得了比经验模型更好的预测效果。     

支持向量分类用于醚菊酯类似物构效关系的研究

将支持向量机分类方法用于醚菊酯类似物构效关系的研究，所用分子描述符为物理化学参数，包括该类化合物的两个取代基的Hammett常数σA、σB，摩尔折射MA、MB，疏水值之和П。建立了醚菊酯类似物生物活性预报的支持向量机预报模型，其留一法交叉检验的预报正确率为90．3％。将支持向量机的预报结果与主成分分析(PCA)、人工神经网络(ANN)、最近邻(KNN)的预报结果进行比较，所得SVM的预报正确率高于PCA、ANN、KNN的结果。因此，SVM方法有望成为研究药物构效关系的有力工具。     

基于遗传算法的回归型支持向量机参数选择法

研究了遗传算法在回归型支持向量机参数选择中的应用：首先,分析了支持向量机的几个参数对其预报能力的影响,发现参数选取不当,会导致支持向量机出现过学习或欠学习现象;在此基础上提出利用遗传算法来解决回归型支持向量机的参数选择问题,模拟实验证明,该方法克服了传统参数选择方法存在的缺点,提高了支持向量机的预报精度。     

支持向量机算法用于夜光藻密度建模

支持向量机（SVM）算法是特别适合于用有限已知样本训练建模，进而预报未知样本属性的模式识别新算法。本文旨在尝试将Vapnik提出的支持向量机算法用于环境保护领域。用支持向量回归算法总结了石城岛，王家岛附近赤潮发生与海水温度，溶解氧，盐度，总氮量，无机磷，浮游植物密度的对应关系。用支持向量回归算法求得赤潮爆发的数学模型。留一法结果表明，支持向量回归的预报误差比人工神经网络小。支持向量机方法可以成为研究赤潮发生机理，探索赤潮预报途径的一种工具。     

基于中心距离比值的增量支持向量机

研究了支持向量、中心距离比值、边界向量以及增量学习之间的关系，提出了基于中心距离比值的增量支持向量机。与传统方法相比，基于中心距离比值的增量支持向量机有效的利用了中心距离比值，解决了CDRM+SVM的阈值选取问题；且适合于增量学习；从而在保证了支持向量机的分类能力没有受到影响的前提下提高了支持向量机的训练速度。     

支持向量机组合分类及其在文本分类中的应用

针对标准支持向量机对野值点和噪音敏感，分类时明显倾向于大类别的问题，提出了一种同时考虑样本差异和类别差异的双重加权支持向量机。并给出了由近似支持向量机结合支持向量识别算法，识别野值点和计算样本重要性权值的方法．双重加权支持向量机和近似支持向量机组合的新分类算法尤其适用于样本规模大、样本质量不一、类别不平衡的文本分类问题．实验表明新算法改善了分类器的泛化性能。比传统方法具有更高的查准率和查全率．     

基于人工鱼群优化支持向量机水文预报系统模型*

在深入分析比较各种水文预报方法的基础上,利用人工鱼群算法对支持向量机训练算法进行了改进,提出了基于人工鱼群优化的支持向量机算法。实验结果表明,基于人工鱼群优化的训练算法的训练速度优于标准的支持向量机的训练速度,能够为水文预报提供更快捷的技术支持。     

基于混合模型的Kappa值软测量研究与应用

由于技术和工艺原因，制浆蒸煮过程纸浆Kappa值难于在线测量，而纸浆Kappa值又是蒸煮过程的一个重要质量指标，需要严格控制。在纸浆蒸煮Kappa值软测量技术的研究与应用中，发现基于经验模型的预测精度仍须进一步提高，本文分析了精度不够高的可能原因，提出了利用过程工况特征信息来进行经验模型残差补偿的方法，并给出了这种混合模型的结构框图，对于混合模型的校正，同时采用长期校正和短期校正两种机制。然后针对制浆蒸煮过程纸浆Kappa值软测量建模，分析了两种残差补偿模型的建模方法。最后，以某造纸厂化浆车间的130组样本数据为对象进行分析，证明了该方法的有效性。     

基于支持向量机集成的分类

支持向量机是一种基于结构风险最小化原理的分类技术，本文提出了将支持向量机分类器进行集成的分类思想。首先．在原始样本的基础上形成子支持向量机，得到待检样本的子预测；进而对子预测进行适当的组合，以确定样本最终的类别预报。模拟实验结果表明，该方法具有明显优于单一支持向量机的更高的分类准确率。     

支持向量机算法在镍氢电池阴极材料研制中的应用

镍氢电池阴极材料的组成对电池的电化学容量和寿命关系甚大。本工作可限制过拟合，有较强预报能力的支持向量机算法进行镍氢电池阴极合金材料的配方优化，通过实验数据处理，建立了有关电化学容量和衰减速度的数学模型，留一法证实，支持向量机算法预报准确性高于人工神经网络。这说明支持向量机算法在材料配方设计方面有应用潜力。     

稀疏贝叶斯方法在通信告警序列预测中的应用研究*

针对通信网告警中预示重大故障的告警数量少、不适合用传统预测方法的特点,提出了一种基于稀疏贝叶斯的通信告警序列预测方法（PBM）,并与支持向量机（SVM）预测方法进行了比较。实验结果表明,PBM方法非常适用于小样本的通信告警预测,其不仅具有SVM的预测性能,而且在样本数目增加时的预测误差率要小于SVM,具有非常好的预测精度。     

在变长模式识别中利用测地距离的非线性插值进行特征选取

讨论了变长模式识别中的特征选择问题。采用基于测地距离（Geodesic Distance）的非线性插值来进行特征选择．使得变长的模式映射为等长的模式，从而可以使用传统的等长模式的方法来解决变长模式识别问题。用非特定说话人的汉语孤立词识别来验证提出方法的性能，并采用支持向量机（Support Vector Machine，SVM）作为基本的分类方法。实验结果表明，提出的方法可以获得比传统方法诸如线性插值更好的性能，而计算量仅有很少增加。     

基于支持向量机的空调控温过程实时预测

分析了空调工作过程中温度控制的重要性与传统方法的不足,将基于统计学习理论的支持向量机方法用于控温过程中,对温度进行实时预测。采用数字实验对所提方法的可行性进行验证,结果表明该方法可以获得比传统方法更高的预测精度,实时性较高,能为空调控温系统提供更好的决策支持,具有较大的发展潜力和实用价值。     

基于支持向量机的遥感影像湿地信息提取研究*

以ETM 影像数据为例,采用基于支持向量机的方法对黄河中上游区域湿地信息进行提取,并将该方法与传统的最大似然分类提取方法以及面向对象的提取方法进行对比分析。结果表明:基于支持向量机方法的提取精度高达93.57%,Kappa系数也超过了0.9,比单纯的最大似然分类方法或者面向对象的方法提取精度高得多,而且该方法操作性和实用性也很强。     

基于模糊集和支持向量机的文本流派分类方法

针对目前流派分类技术分类性能不够好的问题,将支持向量机和模糊集理论的优点结合起来,提出了一种基于模糊集和支持向量机的文本流派分类方法。并以电影评论作为数据集,比较和分析了该方法在不同文本特征生成方法、不同特征数目下的分类效果,并与SVM方法进行了比较,实验结果表明其微平均查准率要优于SVM方法。理论和实验都证明了提出的方法可以取得较好的分类性能。     

基于SVM的综合评价方法研究

系统介绍了统计学习理论与支持向量机的基本思想，研究了它们在综合评价中的应用。分析了科研立项评审系统的设计方法，建立了基于SVM的评审系统。文末比较了新评审系统和采用其它方法如模糊排序、神经网络等建立的评审系统所分别取得的拟合效果，比较结果表明：采用支持向量机设计的评审系统结构简单、思路清晰地且能取得更为理想的评审结果。     

基于支持向量机的遥感图像舰船目标识别方法

针对高分辨率遥感图像舰船目标识别问题,提出了一种基于支持向量机的舰船目标分类方法。支持向量机(SVM)是一类新型机器学习方法,基于结构风险最小化归纳原则,具有出色的学习能力。与传统的方法相比,支持向量机不但结构简单,而且技术性能特别是泛化能力明显提高。该文简要介绍了有关统计学习理论和支持向量机算法,将支持向量机应用于遥感图像舰船目标识别,并同传统的舰船识别方法进行了相关的对比实验,实验结果说明本文提出的分类器在识别性能上明显优于其它传统分类器,具有更高的识别性能率。     

SVM based layout retargeting for fast and regularized inverse lithography

Inverse lithography technology （ILT）, also known as pixel-based optical proximity correction （PB-OPC）, has shown promising capability in pushing the current 193 nm lithography to its limit. By treating the mask optimization process as an inverse problem in lithography, ILT provides a more complete exploration of the solution space and better pattern fidelity than the tradi-tional edge-based OPC. However, the existing methods of ILT are extremely time-consuming due to the slow convergence of the optimization process. To address this issue, in this paper we propose a support vector machine （SVM） based layout retargeting method for ILT, which is designed to generate a good initial input mask for the optimization process and promote the convergence speed. Supervised by optimized masks of training layouts generated by conventional ILT, SVM models are learned and used to predict the initial pixel values in the‘undefined areas’ of the new layout. By this process, an initial input mask close to the final optimized mask of the new layout is generated, which reduces iterations needed in the following optimization process. Manu-facturability is another critical issue in ILT;however, the mask generated by our layout retargeting method is quite irregular due to the prediction inaccuracy of the SVM models. To compensate for this drawback, a spatial filter is employed to regularize the retargeted mask for complexity reduction. We implemented our layout retargeting method with a regularized level-set based ILT （LSB-ILT） algorithm under partially coherent illumination conditions. Experimental results show that with an initial input mask generated by our layout retargeting method, the number of iterations needed in the optimization process and runtime of the whole process in ILT are reduced by 70.8%and 69.0%, respectively.     

基于MPSO-SVM巷道围岩松动圈预测研究

针对目前巷道围岩松动圈确定方法的种种缺陷,提出了一种新的预测方法,采用改进的粒子群算法（MPSO）优化支持向量机（SVM）对巷道围岩松动圈进行预测。在标准PSO中引入压缩因子,实现了算法全局搜索和局部寻优的有效平衡;应用MPSO对SVM的参数C和g进行优化,建立MPSO-SVM回归预测模型;将该预测模型应用于巷道围岩松动圈的预测,将预测性能与PSO-SVM、GA（遗传算法）-SVM、GSM（网格搜索）-SVM模型、BP神经网络进行对比分析。结果表明：该模型具有较强的泛化能力,较高的预测精度,可以对围岩松动圈厚度进行有效预测。