共查询到20条相似文献,搜索用时 31 毫秒
1.
针对传统雷达信号特征参数评估中指标构建不完备、应用背景不强等问题,在研究分类器核函数对特征参数影响的基础上,提出了一种新的信号特征参数评估方法。该方法首先构建了以可分离性、稳定性、复杂性为评估指标的评估体系,给出了特征类内聚集度与类间聚集度的新的度量准则,并基于用户需求对各评估指标权重作层次分析,最后利用指标权重矩阵和指标评分矩阵以打分方式对特征参数的性能进行综合评估并排序。应用结果表明,该评估方法可行有效,能够较好地实现信号特征参数性能的分析和评估,为特征参数的研究与选择提供了依据。 相似文献
2.
3.
4.
针对违约数据存在数据量大、维度多、不平衡及噪声大等缺点,提出一种改进的支持向量机方法,即基于Optuna框架的Lp范数约束的代价敏感的多核支持向量机(Lp-Optuna-SVM)。该方法采用成本矩阵对不同预测错误赋予不同数值,通过多核学习引入多核混合核函数组合;同时采用Optuna优化框架对犯错成本、核函数的参数和权重实现了自动化的调优过程;还在核函数权重上引入Lp范数约束,以提高模型对噪声和异常数据的鲁棒性。最后,对4种常用的基础核函数组合的Lp-Optuna-SVM进行探讨,并与单核支持向量机以及K邻近法、逻辑回归、高斯贝叶斯进行对比。结果表明,在给定数据集上,Lp-Optuna-SVM在违约数据上的g-mean和AUC均高于其他算法,并且在加了不同方差的噪声数据集上,该算法整体依旧保持较好的鲁棒性。 相似文献
5.
基于相关向量机的剩余寿命预测方法,核函数是影响相关向量机模型预测性能的重要因素.目前的相关向量机预测模型以单核为主,且核函数的选择存在较大主观性,导致所构建的预测模型性能有限.本文提出一种融合多个核函数构建相关向量机预测模型的方法,通过果蝇算法优化多个核函数优化组合的线性方程系数,提高了模型的预测性能,并将该方法应用于预测锂离子电池的循环剩余寿命.分别采用美国NASA和马里兰大学的电池退化数据集,对本文的方法进行了实验验证.实验结果表明:多核相关向量机预测方法的平均绝对误差和均方根误差都小于最优的单核相关向量机预测方法. 相似文献
6.
一种改进的最小二乘孪生支持向量机分类算法 总被引:2,自引:0,他引:2
提出了一种新的模式分类器,即广泛权重的最小二乘孪生支持向量机.该支持向量机在正、负两类样本上广泛地增加权重,很好地抑制了交叉噪声样本对数据分类的影响.其次,根据间隔最大化原理,该支持向量机在目标函数上增加了一个正规化项,实现结构风险最小化和避免在求解该目标函数时可能对病态矩阵求逆的处理.同时,提出了利用一种指数函数计算训练样本的密度来获得样本权重值的算法.该算法能够有效缩减计算权重的时间,且具有较强的鲁棒性.实验证明本文提出的广泛权重的最小二乘孪生支持向量机能够实现高精度和高效率的分类效果,而且特别适合于含有交叉噪声样本的数据集分类. 相似文献
7.
核函数是SVM(Support Vector Machine,支持向量机)的重要组成部分,核函数的选取对分类效果有明显的影响。该文把混合核函数引入到变压器状态评估中。实例分析表明,混合核函数支持向量机提高了状态评估的准确率。 相似文献
8.
9.
10.
11.
基于多通道到达时间差(TDOA)的定位方法是声源到达方向(DOA)估计中的重要方法。其中,由TDOA到DOA的映射是该方法的一个关键,目前广泛采用的映射方法为最小二乘法。然而最小二乘法存在诸如声源位于阵列端射方向时性能急剧下降的问题。为克服这一缺点,提出了基于最小二乘支持向量回归机(LS-SVR)的映射方法。在支持向量机技术中,核函数的选取直接影响着支持向量机的性能,但之前的工作仅讨论了径向基核函数。针对声源DOA估计中的TDOA映射问题,研究了径向基核、多项式核以及线性核函数构造的LS-SVR对声源DOA估计的影响。 相似文献
12.
提出一种基于负相关学习理论的支持向量机集成方法,该方法能有效解除各支持向量机之问的相关性,使得集成个体有较大的差异。并采用了演化策略对支持向量机的核函数和相关参数白适应地进行选择。仿真实验表明.该方法不仅能有效地解决支持向量机模型选择的难题,而且能以很小的代价显著提高学习系统的泛化能力。 相似文献
13.
提出了一种新型的组合核函数应用于构建支持向量机当中.这种组合核函数将高斯核函数与多项式核函数各自的特点融合在一起,构建了一种兼具内推和外推性能的核函数.经实验验证,将这一核函数应用在核主元分析法中,可以有效地提高识别精确度和效率. 相似文献
14.
15.
文中基于大数据技术,研究了基于支持向量机的网络流量分析与异常检测方法。首先,对网络流量数据进行预处理,如清洗、集成和转换等,以获取适合支持向量机分析的特征向量表示。然后,应用支持向量机分析技术对网络流量进行异常检测,通过构建超平面实现对正常样本和异常样本的分类。最后,利用NSL-KDD数据集进行实验验证,并评估该方法在网络流量异常检测中的性能。实验结果表明,基于支持向量机的网络流量异常检测方法在NSL-KDD数据集上取得了较好的准确率、召回率和精确率。 相似文献
16.
在支持向量聚类中,采用单个核函数的支持向量机具有很大局限性,为了得到学习能力和泛化能力都很强的核函数,采用了一种新的混合核函数。将该混合核函数应用于支持向量聚类运算中,并且与普通核函数构造的支持向量机的实验结果进行了对比。结果表明了该方法的有效性。 相似文献
17.
《现代电子技术》2019,(23):110-114
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。 相似文献
18.
19.
20.
基于最小类内散度支持向量机(MCSVMs)提出一种新的矩阵模式的最小类内散度支持向量机(MCSVMsmatrix).同时为了更好地解决非线性分类问题,将Mercer核函数引入到MCSVMsmatrix方法中,并提出基于矩阵模式的非线性支持向量机:Ker-MCSVMsmatrix.上述两种方法不但继承了MCSVMs的优点,而且由于将矩阵模式的类内散度矩阵引入到支持向量机中,从而在理论上可以较好地解决了MCSVMs方法在处理小样本高维数据集时类内散度矩阵奇异性问题,同时降低了求解类内散度矩阵及其逆矩阵和权重矢量的时间、空间复杂度.因此,在一定程度上提高了分类精度.实验结果也表明MCSVMsmatrix、Ker-MCSVMs matrix具有上述优势. 相似文献