支持向量机算法在优势结构面分类中的应用

在分析不同优势结构面分类方法及支持向量机模型的基础上,提出基于支持向量机回归模型的优势结构面分类方法.采用SVM算法建立相应的优势结构面分类模型,以深溪沟水电站地区实测结构面数据为学习样本,进行学习和测试,得到训练效果较好的分类模型和参数,并对该地区结构面进行了重新划分和分组,避免了人为分割结构面而引起的统计误差.结果表明,通过支持向量机建立的优势结构面分类模型在实际应用中具有较好的实用性和可行性.     

边坡角设计的支持向量机建模与精度影响因素研究

运用人工智能领域最新的基于结构风险最小化原理的机器学习算法——支持向量机(SVM)算法,采用线性Linear 和径向基函数 RBF 两种核函数以及ε 不敏感和 Quadratic 两种损失函数,并且考虑惩罚参数 C 的不同,编写了相应的程序对影响边坡角设计的诸多因素进行了机器学习,经过反复调整相关参数和计算对比,找到了拟合精度很高的支持向量机网络,并以此网络对测试样本作预测检验模型的可靠性;对影响支持向量机建模精度的各种影响因素作了计算和分析,在此基础上,初步确定了各参数对 SVM 模型精度影响大小的顺序,为 SVM 在类似工程上的应用提供了借鉴。     

基于模糊支持向量机上市公司财务风险评级——以高新技术产业为例

高新技术产业已成为或正在成为国家和地区新的经济增长点。研究企业财务风险可以提前预测风险并降低破产的可能性。支持向量机在财务风险预警问题的研究中已经取得了成功,但传统的支持向量机存在过拟合的问题,对于数据集中的噪声点十分敏感。为改进上述不足,使用遗传算法对模糊支持向量机参数进行最优化选择,构建了基于KNN隶属度模糊支持向量机算法对上市公司财务数据进行多分类研究。实证结果表明:模糊支持向量机可以更好地解决过拟合问题,提高分类准确率。     

基于支持向量机的几种核函数遥感图像分类比较

图像分类是人们获取信息的一种重要的手段,传统的分类方法是以经验风险最小化为归纳原则,只有当训练样本数趋于无穷时,其性能才能达到理论上的最优。当样本不足时,传统的分类方法往往不能达到理想的分类精度。与传统的人工神经网络相比,支持向量机理论体现了结构风险最小化原则,它不仅结构简单,泛化能力强,而且能较好的解决小样本、高维数据和局部极小等实际问题。本文以试验区的地物分类为研究背景,建立了支持向量机的算法框架,并分别使用多项式核函数,径向基核函数、Sigmoid核函数以及线性核函数四种核函数对图像进行了多类别分类实验。     

基于SVM-AFSA的公租房REITs融资风险评价

为解决公租房REITs融资过程风险因素非线性、高度拟合特点等导致难以快速、高效对融资风险进行评价的问题,提出一种基于SVM-AFSA的公租房REITs融资风险评价模型。首先利用人工鱼群算法(AFSA)对支持向量机(SVM)的核函数及惩罚因子优化处理,寻找最优训练参数,提高支持向量机的预测精度;再借助支持向量机在处理非线性、小样本数据方面的优势对兰考县健康小区公租房REITs融资风险进行评价,结果表明该公租房REITs融资风险等级为一般。     

基于PSO-SVM模型的苯储罐泄漏浓度预测

以苯储罐为研究对象,利用ALOHA软件模拟了不同大气温度、风速、地面粗糙度、泄漏口直径和测点条件下苯浓度的变化。将ALOHA模拟数据作为训练样本,建立苯泄漏区域浓度的粒子群-支持向量机(PSO-SVM)预测模型。为验证模型预测性能,采用遗传算法支持向量机(GA-SVM)模型和支持向量机(SVM)模型进行预测,并与PSO-SVM模型对比。结果表明,PSO-SVM模型预测效果优于GA-SVM和SVM模型。     

基于Jawbone手环的睡眠质量预测研究

提出了一种基于Jawbone手环预测睡眠质量的方法。通过对手环收集到的运动和睡眠数据进行分析,选择出有效的特征表示,并使用支持向量机(SVM)的预测分类方法进行数据处理,取得了较好的效果。     

苏南地区外墙保温系统综合评价

以苏南地区外墙保温系统为背景,以技术、经济、施工、环境四个方面16个指标建立了外墙保温系统综合评价指标体系。采用有效解决小样本、非线性、基于结构风险最小化的支持向量机(Support Vector Machine,简称SVM)评价分类模型,对样本训练集进行学习,使用网格交叉验证法选择最优模型参数,对测试样本进行测试,结果具有较高的精确度,研究成果在外墙保温系统中具有很好的应用价值。     

使用SVM和二叉树结构的分片线性分类器

提出了一种支持向量机(support vector machine,SVM)和二叉树结构相结合的分片线性分类模型。在每一节点,使用带软间隔的线性SVM计算分类超平面,并统计局部错误率。如果局部错误率在预先设定的阈值之下,则构造可进行最终决策的叶子节点;否则,进行非叶子节点的递归构造。对比实验表明,该分类器具有一定的有效性,优于一些原有分片线性分类器,在部分数据集上甚至能够达到RBF核SVM的水平。