露天矿山爆破安全问题剖析

在露天矿山的勘察、开采、运营的过程中,矿山爆破的安全问题一直是矿山单位关注的重点,如何保证露天矿山在爆破过程中的人员安全与财产安全,确保露天矿山在开采工作中的稳定和顺利展开,是矿山管理单位应该注意的重点。本文将以作者亲身实践为例,探讨露天矿山爆破过程中的安全问题。     

基于PCA改进的LS—SVM公路旅游客流量预测模型

公路交通旅游客流量的影响因素众多,加大了预测模型输入变量的复杂性,降低了模型的运行速度和预测精确．首先,利用主成分分析对公路旅游客流量影响指标进行综合分析,得到主成分即输入变量,然后建立以主成分为输入变量,以客流量为输出变量的最小二乘支持向量机预测模型．通过实例验证和比较,展示了基于主成分分析改进的最小二乘支持向量机公路交通旅游客流量预测模型,具有较好的预测效果和较高的应用价值．     

支持向量机回归集成股市预测模型

利用基于主成分分析的支持向量机回归集成技术,提高集成个体差异度,生成一组优良的神经网络集成个体,将股票指数函数拟合成高维核空间的线性回归函数,求出一个满意的全局最优解,提高股指预测精确度,继而建立一个新型股市预测模型.试验表明,该模型能有效提高神经网络集成系统的泛化能力,预测精度高,稳定性好.     

浅谈露天矿山中深孔爆破根底及大块率的成因与防治

目前国内对矿山剥离采矿、高铁隧道开挖和水库建设多采取中深孔爆破技术.本文针对露天矿山分析了深孔爆破根部和块率产生的原因,并提出了一些切实可行的解决方案,通过生产实践的论证,可以有效地解决这些问题,提高矿山的生产率,保证露天矿的生产周期.     

基于NSVM的核空间训练数据减少方法

针对核空间中大数据集的计算代价高问题, 提出用NSVM方法减少分类器的训练数据. 先用NSVM、核主成分分析(KPCA)和贪婪KPCA分别从全部训练数据中提取训练分类器的子集; 再用子集训练分类器, 并用训练和测试数据的错分率对分类结果进行评价. 在两个数据集和两种分类器中, 用KPCA提取的子集训练的分类器的分类性能弱于NSVM和贪婪KPCA, 但用贪婪KPCA提取的子集训练的分类器的泛化能力弱于NSVM. 仿真结果表明, 用NSVM方法提取的子集训练的分类器, 不仅保证了分类器的泛化能力, 也降低了分类算法的计算复杂度.     

基于KPCA-WLSSVM的建筑能耗预测模型

为降低建筑能耗影响因素间复杂相关性对模型性能的影响,建立了一种基于KPCA-WLSSVM的建筑能耗预测模型。利用核主元分析(KPCA)对输入变量进行数据压缩,消除变量之间的相关性,简化模型结构;进一步采用加权最小二乘支持向量机(WLSSVM)方法建立建筑能耗预测模型,同时结合一种新型混沌粒子群-模拟退火混合优化(CPSO-SA)算法对模型参数进行优化,以提高模型的预测性能及泛化能力。通过将KPCA-WLSSVM模型方法应用于某办公建筑能耗的预测中,并与WLSSVM、LSSVM及RBFNN模型相比,实验结果表明,KPCA-WLSSVM模型方法能有效提高建筑能耗预测精度。     

基于信息熵的高维稀疏大数据降维算法研究

数据降维是从高维数据中挖掘有效信息的必要步骤。传统的主成分分析（PCA）算法应用于超高维稀疏数据降维时,存在着无法将所有数据特征一次性读入内存以进行分析计算的问题,而之后提出的分块处理PCA算法由于耗时太长,并不能满足实际需求。本文引入信息熵的思想对PCA算法进行改进,提出E-PCA算法,先利用信息熵对数据进行特征筛选,剔除大部分无用特征,再使用PCA算法对处理后的超高维稀疏数据进行降维。通过实验结果表明,在保留相同比例原数据信息的情况下,本文提出的基于信息熵的E-PCA算法在内存占用、运行时间以及降维结果都优于分块处理PCA算法。     

一种基于扩散映射的非线性降维算法

非线性降维方法旨在保持数据局部结构的同时,使不在一个邻域内的点之间的距离变得松弛．作为一种新的流形学习框架,扩散映射通过在扩散过程中保持扩散距离进行降维．基于扩散映射的理论背景,建立了多层谱分解的数值算法,并具体给出了用扩散映射进行非线性降维的算法．实验结果表明,与传统的非线性降维方法相比较,该算法能够发现非线性高维数据的本征维数,并且对噪声具有很好的鲁棒性．     

基于SVM分类器的电信欠费预测模型

对于日益严重的电信欠费问题,采集了某个地区电信的呼叫详单记录、客户信息、欠费和交费信息等数据,使用支持向量机建立了欠费预测模型.然后可以利用所建立的模型来预测潜在的欠费客户,决策者可以得到充分的支持,做出正确的决策.为了提高模型的预测准确率,使用了双变量统计和主成份对数据进行预处理和分析.最后,为了得到最好的模型,主要做了三种实验.实验结果表明使用SVM建立的模型具有很好的预测准确率.     

基于主成分分析和KNN混合方法的文本分类研究

特征选择和分类算法是文本分类中的两个关键技术,提出了基于主成分分析和KNN相结合的文本分类方法。该方法利用主成分分析对文本向量的高维空间进行特征选择,为克服因类别特征选择不当带来的不利影响,使用KNN算法进行分类可以最大程度地减少分类过程中的误差。为了验证方法的有效性,针对UCI标准数据集进行仿真实验。实验结果显示,PCA-KNN方法优于主成分分析和随机森林相结合的方法,能在一定程度上提高文本分类的精度。     

基于二维广义主成分分析的人脸识别

针对人脸识别中的特征提取问题，提出了一种基于二维广义主成分分析（2DIMPCA）的人脸识别方法.有别于传统的人脸识别算法需要将二维人脸图像矩阵压缩成一维向量，该方法直接采用二维图像矩阵来构建方差矩阵，通过在水平和垂直2个方向上顺序执行2次广义主成分分析（IMPCA）运算，消除了人脸图像行和列的相关性，大大压缩了特征的维数.选用二维最小近邻分类法进行分类，计算识别率.在AT&T人脸库以及Yale人脸库上的测试结果表明，与主成分分析（PCA）和IMPCA相比，该方法具有更高的识别率和更快的识别速度.     

基于MVR隶属度的多级FSVM语音情感识别

针对语音情感识别率不高的问题,提出一种基于MVR隶属度的多级FSVM算法。在采用PCA对输入特征向量进行约简的同时得到话者的主分量空间,在此空间对注册说话人进行初次筛选,并根据每位话者的特征向量在主分量空间上的映射方差比来计算该特征向量属于该类的模糊隶属度,最终使用MVR-FSVM进行语音情感识别。仿真实验结果表明,多级MVR-FSVM具有良好的分类性能和抗噪性能。     

基于主成分分析和支持向量机的卵巢癌预测

卵巢癌是我国女性发病率较高的癌症之一,并且有逐年增加的趋势.基因芯片被广泛用于癌症早期检测,癌症的早发现可以确保生存率增加超过97％.本文针对基因芯片的质谱数据,提出了一种基于主成分分析(PCA)和支持向量机(SVM)的卵巢癌预测方法.重点进行了模型设计和仿真对比实验.实验结果表明:本文方法在预测精度上达到了89.1％...     

基于支持向量机的通信装备采购费用预测模型构建

高科技通信装备采购耗资巨大,对通信装备采购费用进行预测分析势在必行。介绍了支持向量机（support vector machines,SVM）非线性回归估计理论,利用SVM方法,经过4个过程构建出通信装备采购费用预测模型,并以某型无线电台为实例对模型进行了验证,最后总结了SVM方法的费用预测基本步骤。     

基于二维Gabor小波和支持向量机的人脸识别

针对人脸识别中的高维、小样本问题,提出了一种基于二维Gabor小波和支持向量机的人脸识别方法。首先对人脸图像进行多分辨率的Gabor滤波,对得到的人脸Gabor特征向量空间进行均匀下采样来降低特征空间维数,然后用主成分分析方法来进一步降低人脸Gabor特征向量空间的维数。接着把得到的人脸Gabor特征向量作为支持向量机的输入进行训练获得人脸分类器。通过对ORL和Yale两个人脸库的试验,表明该方法具有识别率高和鲁棒性强的特点。     

基于NLPCA的聚类可视化方法

为了将高维输入空间的数据映射到低维空间,利用可视化技术探测数据的固有特性,提出了用非线性主成分分析（NLPCA：NonLinear Principal Component Analysis）和自组织映射网络相结合的方法对生物信息学中基因表达数据进行聚类可视化分析。实验结果表明,该方法有较高的分类正确率,用于基因表达数据的聚类分析是行之有效的。     

基于KPCA和SVM的虹膜特征提取与识别

提出了一种新的虹膜特征提取与识别方法,该方法利用核主成分分析（KPCA）在高维空间具有较强的特征选择能力的特点来提取虹膜图像的纹理特征,采用了一种距离度量和支持向量机相结合的2级分类方法,前级采用欧式距离来度量图像间的相似性,若符合条件,给出分类结果,否则拒绝,并转入后级分类器——支持向量机分类,以减少进入支持向量机的样本数目,该组合分类方法充分利用了支持向量机识别率高和距离度量速度快的优点.实验结果表明,该方法具有较高的效率和识别精度.     

基于PCA-SVM的高职院校专业评估体系研究

引入主成分分析(PCA)和支持向量机(SVM)技术,构建高职院校专业评估体系.该体系有利于专业建设成效分析与质量评价,其中包括9个一级指标和23个二级指标.应用Libsvm软件进行专业等级特征模型训练与测试实验,验证了该体系的合理性.     

基于主成分和支持向量机的降维和模式分类

首先讨论主成分分析和支持向量机的基本思想和实现过程,由于主成分分析PCA方法具备降维的功能,而支持向量机SVM方法又具有高分类准确率的优点,尝试将两者结合起来进行模式分类,最终经过实验验证获得成功.采用UCI数据库中的wine数据库分别对PCA、SVM、主成分和支持向量机结合的模式分类这三种方法进行实验仿真和比较,并取...     

基于支持向量机和太赫兹光谱技术的农药分类

基于农药的太赫兹吸收光谱和支持向量机对4种农药进行了分类。利用太赫兹时域光谱系统对4种农药,即三氯杀螨砜、敌百虫、亚胺硫磷和六氯苯进行检测,获得样品的太赫兹时域信号,然后计算获得其在0.3~2.2THz范围内的吸收光谱。用主成分分析法对太赫兹吸收光谱进行分析,提取光谱特征,用支持向量机分别对太赫兹吸收光谱和光谱特征进行分类。实验结果表明,这两种方案均能有效地对农药进行分类,分类正确率为100%。