一种快速SVM学习算法

在对两种SVM学习算法(SMO和SVMlight)进行分析的基础上,提出了一种改进的基于集合划分和SMO的算法SDBSMO。该算法根据样本违背最优化条件的厉害程度将训练集划分为多个集合,每次迭代后利用集合信息快速更新工作集和相关参数,从而减少迭代开销,提高训练速度。实验结果表明该算法能很好地提高支持向量机的训练速度。     

提高超大规模SVM训练计算速度的研究

近年来用支持向量机(Support Vector Machine)解决大样本问题的尝试日渐增多.限制SVM在大样本问题中应用的一个关键因素是SVM训练所引出的超大规模二次规划问题无法由标准的二次规划方法所解决.SMO算法(Sequential Minimal Optimization)是一种有发展前途的大规模SVM训练算法,我们用块算法的思想对其进行了改进,并称改进后的算法为分块SMO算法(CSMO).新算法对于带有小支持向量集的超大样本问题在速度方面具有明显的优势.     

不同种类支持向量机算法的比较研究

介绍一种新型的机器学习方法-支持向量机.论述了不同种类支持向量机算法并指出了每种算法的优劣.实验结果显示了核函数中选择合适的参数对分类器的效果是很重要的,通过实验还重点比较了Chunking、SMO和SVMlight三种典型分解算法,并分析了训练速度优劣的原因.文章最后给出了今后SVM研究方向的一些预见.     

极限学习机在岩性识别中的应用

基于传统支持向量机(SVM)训练速度慢、参数选择难等问题,提出了基于极限学习机(ELM)的岩性识别.该算法是一种新的单隐层前馈神经网络(SLFNs)学习算法,不但可以简化参数选择过程,而且可以提高网络的训练速度.在确定了最优参数的基础上,建立了ELM的岩性分类模型,并且将ELM的分类结果与SVM进行对比.实验结果表明,ELM以较少的神经元个数获得与SVM相当的分类正确率,并且ELM参数选择比SVM简便,有效降低了训练速度,表明了ELM应用于岩性识别的可行性和算法的有效性.     

一种快速的SVM最优核参数选择方法

支持向量机是一种基于核的学习方法,核函数及核参数的选择直接影响到SVM的泛化能力。传统的参数选择方法如网格搜索法,由于其计算量大,训练过程十分耗时,提出了一种新的快速选择最优核参数方法,该方法通过计算各类别在特征空间的可分性度量值来决定最优核参数,不需训练相应SVM分类模型,从而大大缩减了训练时间,提高了训练速度,且分类精度与传统方法相比,具有相当的竞争力。实验证明,该算法是可行有效的。     

求解非半正定核Huber-支持向量回归机问题的序列最小最优化算法

序列最小最优化(SMO)算法是求解大型支持向量机(SVM)问题的有效算法.已有的算法都要求核函数是正定的或半正定的,从而使其应用受到限制.针对这种缺点,本文提出一种新的的SMO算法,可求解非半正定核Huber-SVR问题.提出的算法在保证收敛的前提下可使非半正定Huber-SVR能够达到比较理想的回归精度,因而具有一定的理论意义和实用价值.     

序贯最小优化的改进算法

序贯最小优化(sequential minimal optimization,简称SMO)算法是目前解决大量数据下支持向量机(support vector machine,简称SVM)训练问题的一种十分有效的方法,但是确定工作集的可行方向策略会降低缓存的效率.给出了SMO的一种可行方向法的解释,进而提出了一种收益代价平衡的工作集选择方法,综合考虑与工作集相关的目标函数的下降量和计算代价,以提高缓存的效率.实验结果表明,该方法可以提高SMO算法的性能,缩短SVM分类器的训练时间,特别适用于样本较多、支持向量较多、非有界支持向量较多的情况.     

基于混沌粒子群算法和小波SVM的P2P流量识别方法

针对对等网络(Peer-to-Peer,P2P)流量具有的多尺度和突变性等问题,提出了基于小波核函数的支持向量机(Support Vector Machine,SVM)的P2P流量识别算法。进一步,对常用的SVM参数训练方法训练时间过长和易陷入局部极优值等缺陷进行分析,使用混沌粒子群算法对SVM参数进行优化以提高参数训练效率和识别准确率。最后利用真实的校园网网络流量数据对所提方法的有效性进行测试,结果表明,相对于使用传统核函数和参数训练方法的支持向量机P2P流量识别方法,所提方法具有更高的P2P流量识别正确率和计算效率。     

SVM-KNN分类算法研究

SVM-KNN分类算法是一种将支持向量机（SVM）分类和最近邻（NN）分类相结合的新分类方法。针对传统SVM分类器中存在的问题,该算法通过支持向量机的序列最小优化（SMO）训练算法对数据集进行训练,将距离差小于给定阈值的样本代入以每类所有的支持向量作为代表点的K近邻分类器中进行分类。在UCI数据集上的实验结果表明,该分类器的分类准确率比单纯使用SVM分类器要高,它在一定程度上不受核函数参数选择的影响,具有较好的稳健性。     

基于粒子群优化的支持向量机人脸识别

针对传统主成分分析(PCA)算法提取人脸特征时效率低下的问题,对其求解样本协方差矩阵的特征值和特征向量的过程进行改进,提出一种基于快速PCA降维算法的人脸识别方法。使用交叉验证方法,将支持向量机(SVM)模型训练时的识别准确率作为粒子群的适应度值,利用粒子群优化算法对SVM惩罚参数和核函数参数进行全局寻优,得到参数的全局最优解,用于训练最终的分类器模型进行人脸识别。通过对ORL和Yale数据库中的人脸图像进行实验,结果表明,与传统PCA算法结合SVM模型的识别方法相比,该方法对于人脸图像具有更高的特征提取效率及识别准确率。     

Identification and Identifiability of Unknown Parameters in Multibody Dynamic Systems

Assessing design changes in mechanical systems from simulationresults requires both accurate dynamic models and accurate values forparameters in the models. Model parameters are often unavailable ordifficult to measure. This study details an identification procedure fordetermining optimal values for unknown or estimated model parametersfrom experimental test data. The resulting optimization problem issolved by Levenberg–Marquardt methods. Partial derivative matricesneeded for the optimization are computed through sensitivity analysis.The sensitivity equations to be solved are generated analytically.Unfortunately, not all parameters can be uniquely determined using anidentification procedure. An issue of parameter identifiability remains.Since a global identifiability test is impractical for even the simplestmodels, a local identifiability test is developed. Two examples areprovided. The first example highlights the test for parameteridentifiability, while the second shows the usefulness of parameteridentification by determining vehicle suspension parameters fromexperimentally measured data.     

基于IP网络的服务质量（QoS）参数研究

QoS参数定义是实现QoS控制的基础,本文按照QoS的分层模型,针对IP网络上多媒体应用特点,提出了应用层、系统层和网络层三组QoS参数,并给出了部分参数的计算方法。     

Parameter significance and reductions of soft sets

In this paper, the relationship between any two objects in a soft set is investigated in detail and a novel notion of parameter significance is introduced. Sufficient and necessary conditions on characterizing pseudo parameter reductions and normal parameter reductions with respect to the parameter significance are proposed. Two algorithms for pseudo parameter reductions and normal parameter reductions of a soft set are established. With these algorithms, all pseudo parameter reductions and all normal parameter reductions can be directly evaluated and obtained simultaneously. Several examples show the effectiveness and feasibility of the proposed approach to parameter reductions of a soft set.     

军事作战中的整体作战模型

提出了一种新的军事作战模型，称之为整体作战模型．整体作战模型通过确立作战单位的整体作战指数来建立作战模型，反映了作战单位的整体作战能力．定义了整体作战指数，然后建立了整体作战模型，求出了模型的解并对其进行了分析，说明了整体作战的一些特点，并提出了一种判定胜负的新标准，最后给出了一些计算实例和仿真结果．本质上整体作战模型是一种非线性模型，反映了作战中的非线性规律．     

在Visual Basic中实参与形参类型不同时的问题解析

本文通过实例论述在VisualBasic过程调用中,当实参与形参的类型不同时的相容问题。使大部分的VB爱好者,尤其是VB的初学者不在为此问题所困惑。也可使人们对此问题的叙述给出更准确的定位。同时也给出解决此类问题的一系列方法。     

在Visual Basic中实参与形参类型不同时的问题解析

本文通过实例论述在Visual Basic过程调用中，当实参与形参的类型不同时的相客问题。使大部分的VB爱好者．尤其是VB的初学者不在为此问题所困惑。也可使人们对此问题的叙述给出更准确的定位。同时也给出解决此类问题的一系列方法．     

Internet的高速新信道——CATV数字网络

文中讨论了我们在基于ＣＡＴＶ网络上实现Ｉｎｔｅｒｎｅｔ互连课题中的部分研究成果。简要地描述了ＣＡＴＶ与电信网在实现Ｉｎｔｅｒｎｅｔ上的优劣比较；详细地分析了在ＣＡＴＶ介质上运行ＴＣＰ／ＩＰ协议的必要条件；给出了ＣＡＴＶ介质的低层协议；在此基础上较详细地讨论实现Ｃａｂｌｅ ＭＯＤＥＭ的关键技术，最后给出了一个实现实例和结论。     

Oracle＊Forms与Oracle＊Graphics的集成技术

本文将研究Oracle*Forms与Oracle*Graphics集成的作用和机制,并结合典型实例着重介绍使用OG．PLL集成Oracle*Forms与Oracle*Graphics的方法和步骤。     

解析Visual Basic过程调用中参数传递方式

过程调用作为Visual Basic程序设计的难点及重点之一,初学者对其中不同参数传递方式很难理解和掌握。为此提出了过程调用结合内存管理的新教学方法,将内存概念引入过程调用,通过分析计算机内存管理和Visual Basic程序运行的相互关系,对过程间不同参数的传递方式进行了解析,将抽象的过程执行步骤以直观的内存管理图示表现出来,帮助学生理解Visual Basic过程调用中的参数传递方式。该方法在教学实践中取得了良好的效果。     

基于数据流分析的寄存器参数恢复方法

针对在反编译IA32体系结构可执行程序过程中涉及的寄存器参数恢复问题,基于IA32适用的ABI约定,分析寄存器参数的特征,借鉴数据流分析中到达-定义分析及使用-定义链等经典方法,利用寄存器定义和使用等信息,提出一种寄存器参数的识别、处理及实参恢复的方法。