遗传算法优化支持向量机的交通流量预测

交通流量预测是智能交通系统中的关键技术,针对当前交通流量预测模型存在不足,提出一种遗传算法优化支持向量机的交通流量预测模型。首先收集交通流量历史数据,并基于混沌理想对其进行相空间重构,然后将训练样本输入到支持向量机中进行学习,并采用遗传算法优化支持向量机参数,建立交通流量预测模型,最后采用测试样本对模型的性能进行测试。结果表明,相对于经典交通流量预测模型,本文模型可以更加准确描述交通流量预测复杂的变化趋势,提高了交通流量的单步和多步预测精度。     

基于相空间重构与最小二乘支持向量机的时延预测

针对网络控制系统的时延预测问题,提出一种基于相空间重构与最小二乘支持向量机的时延预测方法.首先利用0-1测试法确定时延序列具有混沌特性,引入相空间重构技术提高预测精度.对实际采集的时延序列进行Hurst指数分析,选择最小二乘支持向量机作为预测模型.然后利用C-C方法确定时延序列相空间重构参数,通过递归图确定时延序列的局部可预测性,利用遗传算法对最小二乘支持向量机的参数进行离线优化.最后通过优化后的最小二乘支持向量机并结合相空间重构对时延序列进行在线预测.与其它预测方法进行了仿真对比,结果表明本文方法具有更高的预测精度与更小的预测误差,同时并未降低预测算法的实时性.     

基于遗传算法的支持向量机分类算法

针对现有部分支持向量机在多类分类过程中存在的数据不均衡性、对算法结构依赖性强的问题,提出一种新的基于遗传算法的支持向量机多类分类算法。以遗传算法中的交叉作为支持向量机中类的选择,以变异改善分类过程中的纠错能力,以适应度函数作为最优分类结果的确定。在不同特性的样本集上进行仿真测试,结果证明,该算法在类数较多的情况下,有更好的数据均衡性,在分类速度及准确度上均有一定的优越性。     

基于支持向量机的回归预测综述

近年来,支持向量机在预测方面有广泛的应用,回归预测和回归分析也是一个非常值得探讨的领域。加上工具集的使用,将对很多的应用行业,起着一定预测作用。说明对于回归预测这种方法应用于预测是有效的。文章对支持向量机进行简单介绍,在介绍基于回归预测基础上,提出这种方法的优缺点,最后展望其方法应用的前景。     

基于支持向量机的机会网络链路预测

研究机会网络中的单节点对的链路预测问题,从空间相似性和时间特征两个角度分析单节点对的连接概率。利用CN、PA、Adamic-Adar和LP四个相似性指标描述节点对的空间相似性程度,构建基于单节点对空间相似性的模型SSVRC;利用一个时间段中的连接频次、连接时长占时间段总长度比值、最近几个时间段的平均连接频次及连接频次的增长趋势四个特征表现节点对的时间特征,构建基于单节点对时间特征的模型T-SVC;综合考虑节点对的空间相似性和时间特征,对S-SVRC和T-SVC模型的预测结果加权融合,构建模型TS-SVC。采用AUC、Precision和F1值评价预测结果,通过ITC、2005年的UOI以及2006年的UOI数据集上的对比实验结果表明,TS-SVC模型具有更好的预测效果。     

基于改进支持向量机的中长期电量预测算法设计

为确保电网能够安全、平稳地运行,且实现经济、科学地发展,应对其建立中长期的电力需求预测体系。对于传统方法在中长期电量预测时所面临的非线性问题,文中基于深度神经网络的方法,设计了一种电力需求的映射器与预测器,来完成对电力需求数据的自动编码。同时针对预测模型中复杂函数难以取得数值解的问题,通过使用混合支持向量机算法,设计并提出了基于各种模型优点的预测算法,进而实现更为精准的模型预测。最终通过与线性回归器等多种算法的对比实验结果可知,所提算法的收敛性最优,且预测平均绝对误差最低。     

基于遗传算法优化支持向量机的交通流量预测

为了得到性能优越的SVM预测模型,实现城市交通流量的准确预测,文中提出基于遗传算法优化支持向量机(GA-SVM)的城市交通流量预测方法.其中通过遗传算法对SVM中的训练参数进行优化处理,以得到优化的SVM预测模型.实验结果表明:用GA-SVM对城市交通流量预测,预测精度远优于人工神经网络.     

基于支持向量机的负荷非线性组合预测研究

短期负荷预测是电力系统调度管理部门制定开停机计划及在线安全分析的基础,为了提高电力行业经济效益和社会效益,精确的负荷预测是最重要的工作内容。近年来的研究表明,组合预测比单项预测具有更高的精度。为了提高短期负荷的预测精度,提出一种基于支持向量机的负荷非线性组合预测方法,并与BP神经网络组合预测相比较,测试结果表明了该方法的有效性与优越性。     

基于遗传算法优化参数的支持向量机风电功率预测

支持向量机是一种非常有前景的学习机器,也是广大国内外学者研究的热点。选择合适的参数,对提高SVM的预测能力十分有必要。本文通过研究支持向量机中参数的选择对其预测能力的影响,建立了利用遗传算法进行参数最优选择的GA-SVM模型,并基于此模型进行风电功率预测。同时,研究了数据归一化、不良数据存在等因素对支持向量机预测效果的影响,得到的结果证明支持向量机有较好的预测效果和泛化能力。     

基于支持向量机的湍流退化图像加速复原算法

由于湍流图像的退化原因十分复杂,现有图像复原算法很难在复原效率和复原质量间达到很好的平衡,为此提出了一种基于支持向量机的湍流退化图像加速复原算法.该算法通过设置方差阈值进行样本选择,舍弃了冗余信息、提高了样本质量;同时,对序列图像进行实时模型更新,加快了序列图像的复原速度.针对电弧风洞图像,将加速复原算法和原算法进行了比较.实验结果表明,加速算法的复原速度更快、复原效果也更好,它可以有效地解决湍流退化给图像带来的噪声和能量衰减问题,并能很好地校正湍流效应引起的模糊和抖动现象.     

Two Comments on Predictive Picture Coding

ＴｗｏＣｏｍｍｅｎｔｓｏｎＰｒｅｄｉｃｔｉｖｅＰｉｃｔｕｒｅＣｏｄｉｎｇＸｕＭｅｎｇｘｉａ（ＰｅｋｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００８７１）ＡｂｓｔｒａｃｔＴｗｏｃｏｍｍｅｎｔｓｏｎｐｒｅｄｉｃｔｉｖｅｐｉｃｔｕｒｅｃｏｄｉｎｇａｒｅ...     

基于邻近像素的低复杂度预测矢量量化 图像压缩编码算法

针对传统低复杂度预测矢量量化图像编码算法预测准确性的不足,通过分析像素距离对相关性的影响,提出了数种改进的基于邻近像素的预测方案,并提出了一种具有边缘走向自适应性的预测方案.仿真实验表明,采用这些预测方案的预测矢量量化算法能够在保持低计算复杂度的同时,显著提高矢量预测准确度,改善图像编码性能.     

基于SDEC和机器支持矢量机的基因检测

利用基因表达谱对肿瘤进行分子水平的检测和预测已经成为生物信息学的一个研究热点.如何从超高维基因序列中剔除噪声基因是该类问题的关键之一.本文提出一种基于欧氏中心距和标准差(SDEC)的可分性准则来衡量基因的相似性对噪声基因进行滤波和有效基因的选择,并结合K-L变换进行二次特征提取,进而利用机器支持向量机(SVM)进行分类检测.利用文中的方法对白血病基因表达谱进行测试,实验结果表明,利用从7129个基因中选出的105个基因进行分类可获得者100%的分类精度.     

基于支持向量机的说话人识别研究

说话人识别技术的研究是智能信息处理的研究热点问题之一。支持向量机是统计学习理论的一个重要学习方法,也是解决模式识别问题的一个有力工具。介绍了模式识别的分类原理,提出基于支持向量机的说话人识别模型。通过把所得到的结果与原有VQ模型的试验结果相比较,表明该方法具有较高的识别准确率。     

基于特征值分解的中心支持向量机算法

针对广义特征值中心支持向量机(GEPSVM)训练和决策过程不一致问题,该文提出一类改进的基于特征值分解的中心支持向量机,简称为IGEPSVM。首先针对二分类问题提出了基于特征值分解的中心支持向量机,然后基于一类对余类策略将其推广到多类分类问题。将GEPSVM求解广义特征值问题转化为求解标准特征值问题,降低了计算复杂度。引入了一个新的参数,可以调节模型的性能,提高了GEPSVM的分类精度。提出了基于IGEPSVM的多类分类算法。实验结果表明,与GEPSVM算法相比较,IGEPSVM不仅提高了分类精度,而且缩短了训练时间。     

基于支持向量机的中文模糊本体映射

Taking into account that fuzzy ontology mapping has wide application and cannot be dealt with in many fields at present, a Chinese fuzzy ontology model and a method for Chinese fuzzy ontology mapping are proposed. The mapping discovery between two ontologies is achieved by computing the similarity between the concepts of two ontologies. Every concept consists of four features of concept name, property, instance and structure. First, the algorithms of calculating four individual similarities corresponding to the four features are given. Secondly, the similarity vectors consisting of four weighted individual similarities are built, and the weights are the linear function of harmony and reliability. The similarity vector is used to represent the similarity relation between two concepts which belong to different fuzzy ontolgoies. Lastly, Support Vector Machine (SVM) is used to get the mapping concept pairs by the similarity vectors. Experiment results are satisfactory.     

基于支持向量机(SVM)的图像去噪方法

提出了一种基于支持向量机进行图像去噪的方法。该方法利用支持向量回归技术构造图像去噪所需的滤波器．其中特征的提取和训练样本的设计旨在抑制不同类型的噪声。实验结果表明，该方法能够有效去除噪声，并能较好地保护边缘信息，适用于边缘检测等操作的预处理。     

应用支持向量机分类的多角度目标识别技术

综合应用图像的不变矩特征和支持向量机分类方法,提出了一种对于红外图像中多角度目标的识别方法。首先通过目标分割算法求得红外图像中目标的轮廓图像,然后从轮廓图像的Hu矩、Zernike矩和Fourier-Mellin矩中选取适当阶次的矩特征组成目标在特定视角范围内的不变性特征向量;对目标的视角范围进行适当划分以解决多角度引起的目标样本多样性,并在每个划分的视角范围内分别应用支持向量机的方法进行多目标分类。测试结果表明,本文提出的方法较好地实现了红外图像中多角度目标的识别问题,是一种有效的自动目标识别算法。     

基于支持向量机的雷达欺骗性干扰类型识别

本文把雷达目标回波信号和欺骗干扰信号纳入到统一框架下进行分析,提取了基于原子分解理论的特征及时延和频偏匹配度特征。最后利用支持向量机（Support Vector Machine,SVM）分类器,对雷达接收信号进行了分类识别。仿真结果验证了该方法不仅可以有效检测欺骗干扰信号的存在,还可以识别欺骗干扰信号的类型。