基于主成分分析和支持向量机的英语教学质量评价

针对英语教学质量复杂的变化特点,为获得高精度的英语教学质量评价结果,设计了基于主成分分析和支持向量机的英语教学质量评价模型。对英语教学质量的影响指标进行构建,采用主成分分析对英语教学质量评价指标进行优化和选择,利用支持向量机得到英语教学质量等级评价结果。具体应用实例的测试结果表明,所提模型可对英语教学质量等级进行高精度评价,评价结果能够为提高英语教学质量提供有价值的信息。     

蚁群优化算法优化支持向量机的视频分类

针对当前支持向量机支持优化的参数无法获得高精度的体育视频分类结果的难题,为了提高体育视频分类正确率,提出基于蚁群优化算法优化支持向量机的体育视频分类方法。首先采集体育视频,并提取体育视频分类的多个特征;然后采用主成分分析算法对体育视频分类特征进行处理,作为支持向量机的输入,体育视频类别作为支持向量机的输出,建立体育视频分类模型,并采用蚁群优化算法对支持向量机进行优化;最后采用多个体育视频数据进行分类仿真实验,结果表明,蚁群优化算法优化支持向量机的体育视频分类正确率高于90%,降低了体育视频分类错误,体育视频分类效果明显优于当前其他类型的体育视频分类方法,而且体育视频分类效率得到有效的改善。     

新型建模及优化方法在BSRM中的应用

针对电机参数优化设计问题,引入多支持向量机与混沌优化算法,优化设计磁悬浮开关磁阻电机的结构参数。采用有限元仿真建立样本空间,采用多支持向量机构建磁悬浮开关磁阻电机的非参数模型,基于该模型,以满足额定电磁转矩为条件,优化电机参数,优化目标为最大的悬浮力、最小的转矩脉动、最小的绕组间互感,最优的电机结构参数通过混沌优化算法得到。仿真结果表明,BSRM利用多支持向量机所建立的非参数模型高效且准确,采用此优化方法设计的BSRM转矩脉动小、悬浮力大、绕组间互感小。     

基于DGA支持向量机的变压器故障诊断

针对基于DGA的变压器故障诊断方法在实际操作中存在的不足,提出两种解决方案:基于粒子群优化支持向量机的变压器故障诊断、基于差分进化支持向量机的变压器故障诊断。通过分析两种方案的算法原理建立支持向量机的变压器故障诊断模型,从而完成参数的优化,对得到的最优参数进行验证,获取最优的支持向量机模型。在Matlab软件平台上进行仿真实验,结果证明,采用基于粒子群优化支持向量机的变压器故障诊断结果获取的变压器故障诊断率较高;基于差分进化支持向量机的变压器故障诊断方法的误判率较低,全局寻优能力较好,相比于粒子群优化算法,差分进化支持向量机的优化精度更高。     

基于蚁群支持向量机的模拟电路故障诊断

针对人为选择支持向量机参数的随机性和盲目性,将蚁群算法的全局收敛和并行计算的特点引入到支持向量机参数的优化中,建立了基于蚁群算法优化支持向量机参数的模型,使两种算法的优点有机结合,通过对支持向量机的惩罚因子和核函数参数进行优化,使支持向量机分类效果达到最好,并与遗传支持向量机模型比较,结果表明:蚁群算法优化支持向量机参...     

自适应遗传算法优化支持向量回归的水质预测

文中提出了一种动态改进的遗传算法和支持向量回归机相耦合的水质预测方法,改进了传统遗传算法中交叉和变异概率固定的问题,尽可能避免陷入局部最优的问题。在对大理弥苴河水质进行大量实际监测的基础上,分别采用BP神经网络,遗传算法优化的支持向量回归机和自适应遗传算法优化的支持向量回归机3种模型的方法,建立了弥苴河水质高锰酸盐含量的的预测模型。通过数据预处理,筛选了60天的数据进行训练学习和测试。通过对三个模型的预测误差分析对比,可以得出自适应遗传算法优化支持向量回归的预测模型精度更高。     

改进粒子群算法支持向量机的烟台港货物吞吐量预测

为了精准预测港口货物吞吐量,文章研究了改进粒子群算法支持向量机模型。引入自适应惯性权重以及最优粒子扰动决策,来优化支持向量机中的惩罚参数C和核函数参数g。基于1978—2020年烟台港吐吞量进行实证分析,对比改进支持向量机模型和原本支持向量机模型的平均相对误差,预测效果优于SVM模型,因此为港口货物吞吐量提供技术支持。     

改进支持向量机的电子邮件分类

电子邮件分类有利于垃圾邮件的过滤,节省网络资源。为了提高邮件分类的精度,提出了改进支持向量机的电子邮件分类器模型。首先提取电子邮件的原始特征,并采用主成分分析法对特征进行选择,减少特征数量,提高邮件分类效率;然后采用支持向量机建立电子邮件分类器,并对传统支持向量机参数选择方法进行改进,改善邮件分类效果,最后采用邮件分类的标准数据库——UCI进行性能分析。结果表明,改进支持向量机解决了当前电子邮件分类模型的不足,获得了理想的电子邮件分类效果,分类结果可以帮助管理人员拦截垃圾邮件。     

支持向量机回归法在天线设计中的应用

提出了一种利用支持向量机回归进行天线设计的方法.以印刷偶极子天线为例,通过对3个主要的天线参数进行训练以捕捉天线结构尺寸和天线性能之间的关系,从而建立支持向量机回归模型.该模型在保证快速计算的前提下显示出比神经网络模型更高的计算精度,从而节省天线设计和优化时间.     

一种提高支持向量机针对低维向量分类精度的新方法

本文提出一种支持向量机的全局优化训练算法,形成一种新的分类器,以解决传统的支持向量机在对低维样本点分类时产生的精度下降问题。首先对支持向量机原理,以及以SVM—light为代表的经黄SVM训练算法进行分析,发现支持向量机的训练在本质上都归结为具有不等式约束条件的二次规划问题。本文直接根据支持向量机的最优分类超平面,将其化为无约束条件的求解函数极值问题。然后采用全局优化算法-禁忌搜索算法得到函数的极值点。通过两类高斯样本点分类实验和人脸图像识别的多类分类试验,证明使用支持向量机的全局优化训练算法,在样本点特征向量维数较低的情况下,比使用传统的支持向量机训练算法分类具有更高的分类准确率。