基于主成分分析的支持向量机回归预测模型

首先利用主成分分析法降低样本数据的维数,建立主成分的多元回归预测模型,其次利用支持向量机方法确定回归模型的系数,最后实例说明了该模型具有较高预测精度.     

基于核主成分提取和支持向量机的入侵检测

现有的入侵检测算法存在小样本情况下泛化能力差的问题。提出了利用核主成分分析和支持向量机结合进行入侵检测的方法。与传统算法相比，该方法对网络异常连接有很高的检测率、更强的泛化能力和更快的处理时间。最后在KDD CUP99数据集上进行的实验，证明了方法的适用性和高效性。     

基于主成分分析和支持向量机的人眼注视识别

眼睛注视是人类传播信息的一个重要的媒介,实现对人眼注视与否的探知已经成为人机交互领域中一个亟需解决的问题。针对这个问题,首先采用主成分分析方法对人眼图像进行预处理,得到有利于人眼分类的一组低维特征系数,然后采用基于统计学习理论的支持向量机网络实现对人眼注视与否的判断,并通过大量的实验得出适合于人眼注视与否的最佳主成分特征维数。实验表明,在有限个样本的训练下,当PCA特征维数在18至23之间时,能够得到令人满意的结果,正确识别率均在9l％之上,而特征维数为20时,测试样本被正确识别的比率最高,可达98．78％。     

基于支持向量机和核主成分分析的车牌字符识别

给出了一种结合核主成分分析(KPCA)和支持向量机(SVM)进行车牌字符识别的新方法.该算法通过KPCA进行字符的特征提取,并利用SVM分类器完成字符的识别.实验证明,KPCA在高维空间具有较强的特征选择能力,SVM的识别率也明显高于BP神经网络.     

基于主成分分析和支持向量机的飞参阶段划分研究

主成分分析是一种应用广泛的线性降维技术,它在保留住数据的重要成分的同时达到了对数据的降维。对高维、多属性的飞参数据进行主成分分析,可以实现飞参的降维。支持向量机的学习方法则以其全局最优和泛化能力好的特．最,实现对飞参阶段的划分。使用主成分分析后的数据进行阶段划分可以提高划分速度,并且划分效果更好。     

基于支持向量机的人脸识别研究

针对人脸识别问题,提出了基于主成分分析和支持向量机分类相结合的方法实现人脸图像特征提取,并对提取的人脸特征参数进行分类与识别,得到较好的人脸识别结果。通过实验分析了支持向量机方法中惩罚项权重参数和高斯核函数参数的选择对识别率的影响。最后将支持向量机方法与KNN分类方法获得的结果进行了对比分析,证明了支持向量机方法具有很高的优越性。     

基于支撑向量机的人脸识别技术

文中提出了一种基于支撑向量的人脸识别方法。该方法与传统方法相比,克服了后者固有的过学习和欠学习问题,并且对复杂模式的能力强,达到了很高的人脸识识别率。在对训练图像进行预处理之后,使用主成分析方法对人脸图像进行特征提取和选择,用所选择的人脸特征向最训练多个支撑向量机,最后用训练好的支撑向量机进行人脸识别。文中将支撑向量机性能和传统方法进行了对比,并且对不同核函数的支撑向量机的性能也进行了对比。发现当特征脸数量不同时,不同核函数支撑向量机的性能也不同。总体而言,二阶多项式支撑向量机在人脸识别问题中具有更好的性能。     

基于支持向量回归机的电能质量评估

针对传统方法和神经网络方法在电能质量评估方面存在的不足,提出了一种新的基于支持向量回归机的电能质量评估方法。依据电能质量标准和有关文献建立了电能质量评估指标体系,给出了电能质量评估指标的等级区间。基于支持向量回归机的原理和电能质量评估指标,建立了基于支持向量回归机的电能质量评估模型。应用实例的仿真结果表明,所建立的评估模型具有较强的推广能力,得出的评估结果与其他评估方法相比更为合理可信。     

基于支持向量机的光谱成像质量评价

为解决光谱成像质量主观评价方法评价结果差异大、效率低及客观评价方法忽略人眼视觉特性的缺陷,提出基于支持向量机的光谱成像质量评价方法。确定光谱成像质量主观评价的5个级别及各级别对应的质量尺度、评价结果和影响尺度;选取灰度标准差、平均梯度、信息熵、噪声率、边缘强度、灰度反差系数与统一亮度分布为客观评价指标。根据客观评价指标数量、主观评价级别数量和训练样本数量构成样本集,将评价指标构成特征向量,利用支持向量机对特征向量进行训练,生成光谱成像质量评价最优分类器;分类器输出结果即各客观评价指标的主观评价等级,通过平均加权得到评价总分,总分越高说明光谱成像质量越好。实验结果表明,所提方法能够客观评价光谱成像质量,且评价结果复合人眼视觉特征。     

基于支撑向量机的人脸识别技术

文中提出了一种基于支撑向量机的人脸识别方法.该方法与传统方法相比,克服了后者固有的过学习和欠学习问题,并且对复杂模式的识别能力强,达到了很高的人脸识别率.在对训练图像进行预处理之后,使用主成分分析方法对人脸图像进行特征提取和选择,用所选择的人脸特征向量训练多个支撑向量机,最后用训练好的支撑向量机进行人脸识别.文中将支撑向量机性能和传统方法进行了对比,并且对不同核函数的支撑向量机的性能也进行了对比.发现当特征脸数量不同时,不同核函数支撑向量机的性能也不同.总体而言,二阶多项式支撑向量机在人脸识别问题中具有更好的性能.     

基于PCA的教师综合素质评价

教师的综合素质体现了一个学校的核心竞争能力,也是学校教学质量评价和绩效考核的重要依据,科学合理的评价指标体系和评价方法是获得学校教师综合素质的基础。当前对教师综合素质的评价,通常采用算术平均线性划分法,对隐含的信息没有进行深入挖掘,难以全面准确地反映教师的综合情况。本文运用PCA算法对某高校专业教师的教学、科研和职业道德评价结果进行分析,得出教师综合素质评价结果,实例证明运用PCA算法操作简便,评价结果客观合理。     

基于蝙蝠算法的模糊综合评价的英语教学质量评价研究

针对模糊综合评价法权重分配缺乏理论基础和完全凭经验的缺点,提出一种基于蝙蝠算法(Bat Algorithm,BA)的模糊综合评价模型。通过BA优化模糊综合评价法的权重,实现权重的最优化选择。运用模糊评价矩阵构建确定各个评价指标权重的判断矩阵,运用BA算法对判断矩阵的权重进行自适应选择。研究结果表明,BA优化模糊综合评价法的结果更加符合实际情况,效果较好。     

基于2DPCA+PCA与SVM的人脸识别

为了提高传统PCA与SVM相结合的人脸识别算法的性能,文中提出了一种基于双向压缩的2DPCA+PCA与遗传算法SVM相结合的人脸识别算法。该算法采用双向压缩的2DPCA与PCA相结合的算法来进行人脸特征提取,有效地减少了特征数量和PCA模型的计算时间;在与SVM相结合时,其训练时间和识别时间都有所降低,且提高了识别率;同时为了进一步提高SVM的性能,文中采用遗传算法来进行SVM参数寻优,并使用交叉测试识别率来作为适应度函数。在ORL人脸库上的实验表明,该算法的性能明显高于传统PCA与SVM相结合的人脸识别算法。     

基于反馈模型的英语教学能力评估

针对传统的评估方法使用的是人工评估,在评估的过程中存在极大的人为主观意识,造成评估的精准性较低的问题,提出基于反馈模型的英语教学能力评估方法。通过引入反馈模型能够有效的提高英语课堂的能力参数比较,采用反馈评估的豁达计算评估英语教学过程中的各项能力,摒弃了传统评估方法中总体感知不均衡的想象,将评估过程的各项指标以数字的形式进行显示,建立评估反馈模型,保证评估的全面性以及准确性。为了保证设计的基于反馈模型的英语教学能力评估方法的准确性,模拟课堂的教学环境进行模拟对比试验,通过实验数据的有效分析能够验证设计的评估方法的有效性。     

基于AHP的教学质量评价系统的设计与开发

教学质量评价系统是一个利用校园网络开展的对教师教学质量进行评价、网上收集评价信息,把收集到的信息根据模糊教学质量评价模型自动进行分析、处理和即时反馈的应用系统。该系统采用三层软件设计架构技术,自下至上分别是数据访问层(DAL层)、业务逻辑层(BLL层)和表示层。设计开发的B/S(浏览器/服务器)结构的教学质量评价系统运用科学的方法可以收集来自学生、同行教师、教学管理人员和学院领导等各个方面信息。最终目的让教学质量评价手段变得更为简便,评价结果更为客观、准确,评价信息的反馈更有助于提高授课质量并促进教师的发展。     

支持向量机的远程教学质量评估模型

为了提高远程教学质量的评估精度,针对当前远程教学评估模型的不足,提出支持向量机的远程教学质量评估模型。首先建立远程教学质量评估指标体系,采用核主成分分析选择重要指标,然后根据重要指标收集数据,采用支持向量机进行远程教学质量评估,最后采用某高校远程教学质量数据进行性能验证。结果表明,支持向量机显著改善了远程教学质量的评估效果,可以为高校教学管理者提供有价值的信息。     

基于K-medoids聚类的层次化教学质量提升评估研究

研究基于K-medoids聚类的层次化教学质量提升评估方法。通过K-medoids聚类分析数据样本间的最优路径和聚类中心,获取数据样本集的历史最优位置,将历史最优位置点看成不同评估指标;以教学队伍、教学内容、教学条件等两级教学质量评估指标体系作为评估指标构建教学质量评估指标体系;采用多层次评价模型对历史最优位置点,即评估指标实行层次分析,通过分层综合评估过程先对评估指标实施一级评估,确定各评估指标权重,依据权重构建教学质量效果判断矩阵;再采用判断矩阵完成二级评估,评估层次化教学质量。实验结果表明,该方法评估计算机学院教师教学质量为较高,且二班教师教学质量优于一班教学质量。     

证据理论和支持向量机相融合的高校教学质量评价

针对当前高校教学质量评价精度低的难题,为了提高高校教学质量评价的可靠性,提出基于证据理论和支持向量机(DS-SVM)相融合的高校教学质量评价模型。建立高校教学质量评价指标,并收集高校教学质量评价样本,分别通过支持向量机对专家、同行、学生的评价结果进行估计,采用证据理论对专家、同行、学生的评价结果进行有效融合,获得高校教学质量最终评价结果。实验结果表明,该模型可以获得较高精度的高校教学质量评价结果,比对比模型评价结果更加可靠,可以应用于实际的高校教学质量评价改革中。     

基于F-AHP的高职计算机课程教学质量评价的研究

目前高职课程教学质量评价中存在不客观、偏差大等弊端,重新构建新的课程教学质量评价指标体系,并且综合模糊综合评价法与层次分析法,通过定量分析与定性分析相结合的方式,对课程教学质量进行评价,最后以高职《计算机基础》课程为例,说明计算过程,得出评价结果。结果表明该评价方式较为客观,具有较高的应用价值。