用于不平衡数据的去噪模糊支持向量机

为了降低支持向量机对不平衡数据的倾向性影响,以及减弱其对噪声点或野值点的敏感,提出了一种新的模糊支持向量机隶属度函数设计方法.该方法分析产生倾向性的原因,有效地区分样本对分类面的贡献,合理地设计隶属度函数.最后通过对含噪声的非均衡数据实验表明,该方法平衡了倾向性,提高了预测分类精度,从而增强了支持向量机在入侵检测和故障诊断等方面的应用.     

垂直分布数据的隐私保护支持向量机

随着人们对隐私权的越来越重视,隐私保护数据挖掘成为当前研究热点.分类算法作为一个重要的数据挖掘方法被应用到各个领域,其中支持向量机（SVM）是分类算法中一个重要方法.并且数据的隐私性和安全性是人们关注的重点.本文对SSP协议进行扩展提出了一个基于垂直分布数据的隐私支持向量机算法,这个算法具有更高的效率和更好的安全性.     

一种调整分类超平面偏移的方法一平均距离比MDR法

分析了传统的支持向量分类机对不平衡数据集的影响,并提出了一种调整分离超平面偏移的方法一平均距离比MDR法．首先分别计算正、负类的支持向量到分离超平面距离的平均值,让这个平均值之比等于两类样本数的反比,从而得到偏移b＊的值．实验表明,对于不平衡数据集问题,该方法比标准SVM具有更好的效果．     

一种基于原型学习的自适应概念漂移分类方法

为了更准确快速地处理或适应概念漂移,提出了基于原型学习的数据流分类算法,基于发掘并优化现有方法存在的问题,提出了新的方法模型SyncPrototype,在预测方法、原型判定与更新方法等处理概念漂移问题的关键部分做出了新的尝试与优化.实验结果证明,相较于现有方法,SyncPrototype模型在分类性能、概念漂移的响应速度以及时间性能等方面都有明显提高,能够更加有效处理并适应数据流概念漂移问题.     

一种动态调整训练集的中文文本分类系统

对文本特征表示模型和文本特征提取方法进行了探讨,分析了分类效果的影响因素,设计了一种动态调整训练集的文本分类算法,并结合支持向量机验证了该分类系统的类别特征信息和分类适应性.     

一种基于证据融合的视频语义概念检测方法

提出了一种基于证据融合的视频语义概念检测方法。提取了镜头关键帧的分块颜色矩、小波纹理特征和视觉词汇直方图,利用SVM对3种特征数据分别进行训练,建立模型;对各SVM模型泛化误差进行分析,采用折扣系数法对不同SVM模型输出的分类结果进行修正;采用基于m in-max算子的证据融合公式对修正后的输出进行融合,把融合结果作为最终的概念检测结果。实验结果表明,新方法提高了概念检测的准确率,优于传统的线性分类器融合方法。     

基于后验概率的个人信用评估SVM模型

针对标准SVM模型在个人信用评估中单纯将消费信贷申请者划分为违约类或未违约类的不足,提出了利用基于后验概率的SVM模型进行个人信用评估的方法。利用商业银行的消费信贷数据进行的实证研究表明,基于后验概率的SVM模型通过将标准SVM的决策值转化为后验概率输出,能够对样本属于未违约的概率进行估计,并能够据此划分信贷申请者的信用等级,对于商业银行根据不同的经营目标制定相应的信贷政策更具有实践意义。     

新的唯秘密载体信息隐藏分析方法

将图像质量度量标准进行改造并结合在一起,可以针对图像数据进行唯秘密载体（盲）信息隐藏分析,即将图像质量度量标准中的原始图像改为全白图像设计特征向量,用 SVM（支持向量机）对特征向量分类。分析过程中引入的人眼视觉系统的带通滤波性质,提高了算法准确率。实验结果表明了该方法对分析自然图像是有效的。     

基于概率型支持向量分类机的Q学习

按TD误差标准,把Q学习系统的状态-动作空间粗略地划分为正负2类.为了描述分类的不确定性和避免简单分类导致的学习精度下降问题,利用概率型支持向量分类机(PSVCM)来使得样本的分类同时具有定性的解释和定量的评价.PSVCM的输入为系统的连续状态和离散动作,输出为带有概率值的类别标签.对由PSVCM判定为正类的离散动作按其概率值进行加权求和,即可得到连续动作空间下的Q学习控制策略.小船靠岸问题的仿真结果表明,与基于传统支持向量分类机的Q学习相比,所提方法不仅能够有效解决具有连续状态和连续动作的非线性系统的Q学习控制,而且其控制性能对初始动作的设置不敏感.     

一种基于加权概念格的分类规则提取算法

加权概念格是针对属性的重要程度,通过引入内涵权值而形成的一种格结构。采用加权概念格作为分类规则提取工具,通过引入加权外延支持度,给出了一种新的分类规则的提取算法CRAAF-WCL。最后,利用恒星光谱数据作为形式背景,实验验证了该算法具有较高的分类效果。     

物体分类识别中视觉词汇生成方法研究

针对目前Bag of words模型将聚类中心作为视觉单词,而导致语义信息表达不完全的问题,提出了一种新的改进的视觉词汇生成方法。首先,提取图像的SIFT特征点并聚类;然后利用核函数进行核密度估计,选取每个聚类中若干个有代表性的特征点;最后,通过SVM训练生成视觉词汇。实验结果表明,改进后的视觉词汇生成方法,在物体分类识别中,与以聚类中心为视觉单词的生成方法相比,增强了语义信息的表达,提高了查全率,使得物体分类识别率大大增加。     

基于数据驱动的热连轧厚度建模与控制方法

针对轧机厚度机理模型逐渐不满足现有的控制精度要求的现象, 提出了一种基于数据驱动的热轧带钢厚度预测与控制方法.该方法通过对输入空间数据进行在线聚类划分, 在各子空间使用最小二乘支持向量机 (least square support vector machine, LS-SVM) 在线算法建立非线性模型, 并预测系统的输出值, 利用预测控制方法求得控制量, 根据控制器加权策略得到全局控制量.仿真结果证明了该方法的有效性.     

基于M-Chord的分布式视觉监控交互检索算法

为对城域视觉监控系统产生的海量多媒体数据进行高效索引和检索,提出基于M-Chord的分布式交互检索和负载均衡算法.对象以颜色柱状图、Gabor纹理描述和轨迹系数空间特征组成的特征向量描述,由M-Chord算法进行分布式索引分发和检索.提出基于线性和非线性支持向量机的分布式相关反馈算法,将支持向量机模型建立的度量空间与M-Chord索引所处的度量空间结合,利用分片中心点减少了对节点和对象的访问.实验表明提出的算法可以准确反映用户的查询语义,仅需要检索分布式监控网络中的少部分节点即可达到与顺序扫描接近的查准率,同时较好实现了分布式监控网络中的负载均衡.     

变照度下的视觉测量系统误差建模

针对二维视觉在线测量工件时,照度变化因素导致测量误差的问题,提出基于遗传算法优化的最小二乘支持向量机（GA-LSSVM）,建立照度误差模型的方法. 分析视觉测量系统的误差来源,通过最小二乘法分析照度影响下的误差规律. 利用照度变化误差实验,获得照度和测量系统的误差数据,分别训练GA-LSSVM、支持向量机（SVM）以及BP神经网络,建立照度和测量系统误差模型,对系统测量误差进行预测. 结果表明：在变照度测量误差预测模型中,GA-LSSVM模型、SVM模型及BP神经网络模型的预测精度分别为94.90%、90.23%及80.60%. 这表明遗传算法优化的最小二乘支持向量机建立的变照度误差模型,在拟合和预测精度上优于传统的BP神经网络.     

云计算环境下基于SVM的数据分类

为了提高数据的分类效率和准确度,利用云计算提供的弹性集群平台来解决计算力伸缩性瓶颈,并用MapReduce编程模型对SVM进行Map和Reduce并行化处理,并将基于优化理论的遗传算法（ GA）引入SVM分类算法中对分类器参数进行优化,以分类器的准确率作为GA算法适应度函数,找出全局最优的模型参数和核函数参数值。经开源云计算平台Hadoop实验验证,数据分类的准确度有了明显的提高,整个分类过程的加速度几近呈线性增加。     

一种多粒度语言评价模糊群决策方法

针对两种常用基于一对一分类策略的SVM概率建模算法中,Pairwise Coupling法不适合FPGA实现,而投票概率建模法分类性能较差的问题,从折中的角度提出在语种确认中引入一种基于Sigmoid函数的快速SVM概率建模算法。理论分析表明该算法原理简单易于FPGA实现,有利于提高语种确认的实时性。实验结果表明,其性能优于投票概率建模法,与PairwiseCoupling法识别性能相当。     

LS_SVM和SVM在发酵过程建模中的比较

针对最小二乘支持向量机 (LS_SVM) 不需要指定逼近精度ε的特点, 比较了LS_ SVM与SVM两种方法利用生产数据为青霉素发酵过程建立的数学模型, 改进型GA分别为LS_ SVM和SVM选择参数值.实验证明:LS_ SVM建立的模型具有较高的拟合精度和泛化能力.如果ε过大时, SVM建立的模型的拟合精度和泛化能力不高;当ε过小时, 模型的拟合精度和泛化能力较高, 但耗时多.因此, LS_SVM更适合为发酵过程建模.     

一种对噪音健壮的数据流分类算法

数据流挖掘中的主要问题是概念流动和噪音污染。目前的数据流挖掘算法不能有效地处理数据流中的噪音,而一个理想的学习算法应该同时拥有对概念流动的敏感性和对噪音的健壮性。文中探讨了如何使用聚类方法在数据流中区分出噪音实例和难以学习的实例,并提出了相应的概念流动检测方法。在此基础上设计了基于推进技术的集合分类器算法RobustBoosting。通过在合成数据集和实际数据集上的实验,表明文中的算法即使在高达40%的类噪音时,与AdaptiveBoosting算法[1]相比,仍能保持更高的分类准确度,更快地收敛到新的目标概念。     

基于异类类内超平面的模糊支持向量机及其应用

针对如何基于不平衡信贷数据对借贷人的信用进行合理准确地评估问题,基于个人信用的统计数据,提出了一种新的个人贷款信用风险的评估方法。首先,构建了个人贷款信用风险评估指标体系,结合IV模型,对各特征进行重要性分析。其次,结合模糊数学理论,设计了一种基于异类类内超平面的隶属函数。最后,结合支持向量机,构建了一种新的个人贷款信用风险评估方法——基于异类类内超平面的模糊支持向量机。结果表明：个人贷款信用风险评估的可用额度比值、逾期30~59天的次数、逾期90天及以上次数以及逾期60~89天次数这4个指标的IV值均大于0.3,重要性较强,表明对贷款人的信用评估影响较大;所设计的隶属函数能对不同样本赋予不同权重,可充分体现不同样本的重要性;基于异类类内超平面的模糊支持向量机在一定程度上可以提高贷款人的信用风险评估精度,证明了该方法的有效性和可行性。     

基于回应消息的中文微博情感分类方法

通过对中文微博情感分类的深入研究,该文提出了基于回应消息的中文微博情感分类方法。首先,对微博回应消息进行情感标注,然后利用回应消息情感分布结合SVM算法对微博文本情感进行分类;其次,对分类特征进行了详细分析。实验结果表明,该方法能够得到更高的准确率和召回率。