用改进遗传算法确定B样条曲线的节点矢量

文章研究了在给定误差要求下,用最少控制顶点的B样条曲线拟合测量数据的问题,提出了采用改进的遗传算法确定节点矢量,从而使拟合得到的B样条曲线不仅满足精度要求,而且具有较少的控制顶点。设计了新的适应度函数,对传统的遗传算法进行了改进,通过实例证明了算法的有效性。     

B样条拟合曲线的快速生成

本文分析了Ｂ样条拟合曲线的特点，讨论了Ｂ样条曲线的拟合参数方程表示及快速生成，给出了相应的ＦＯＲＴＲＡＮ子程序。     

基于B样条核的水淹层识别方法

油层水淹状况识别是油田开发中后期油田生产中急需解决的一个重要问题。在测井资料标准化等预处理的基础上,本文将B样条核应用于水淹层识别中,并取得了较好的识别效果。     

B样条曲线降阶新方法

首先导出了 B样条曲线退化的条件 ,然后根据 B样条升阶恒等式提出了 B样条曲线降阶的新算法 .最后 ,对结果进行了简要的误差分析 .如果结合节点插入技术 ,还可以将降阶后的误差限定在给定的容差之内 .实践表明 ,该算法容易实现、效率高、逼近效果好 .     

插值三次B样条曲线的并行计算

三次Ｂ样条曲线是计算机图形学和ＣＡＧＤ中最常用的曲线描述工具。本文采用分治策略，对插值三次Ｂ样条曲线进行了并行计算，并讨论了插值问题的并行效率。     

基于B样条曲线的植物叶片几何建模

针对基于图像的植物叶片真实感建模进行了研究, 提出对植物叶片图像的轮廓特征点进行三次均匀B样条曲线插值的算法。该方法提取出标本叶片图像的角点作为特征点, 采用三次均匀B样条曲线进行初步插值拟合, 并根据拟合误差采用改进的节点插入算法进行反复迭代, 直到达到要求的拟合精度。与传统方法相比, 该方法能够更快地达到逼近精度, 并且具有良好的模拟效果, 有一定的实际应用价值。     

B样条曲线的等距算法及应用

等距曲线的拓扑结构是等距算法中的核心因素之一。该文以B样条曲线为例,给出了一种基于关键点的等距算法。它应用了自适应离散等手段并给出了关键点的求解方法,同时利用关键点确定等距线各个分段的取舍,从而有效地去除自交的情况,使得计算出的等距曲线有着正确的拓扑结构。该文的算法已应用于商业软件OpenCAD中。     

二次B样条曲线曲面的扩展

构造了一组由三个含参数m的函数构成的函数组, 该函数组线性无关, 称之为mB基。mB基具有非负性、规范性、对称性等良好的性质, 而且具有非常特殊的端点性质。基于mB基定义了一种新的样条曲线, 称之为mB曲线。mB曲线段可以转化为Bézier曲线的形式, 借助Bézier曲线的de Casteljau算法, 给出了mB曲线段的递推求值算法。mB曲线具有与二次均匀B样条曲线相同的端点行为, 即插值于控制多边形首末边的中点, 与控制多边形的首末边相切。另外, mB曲线的形状和连续性均可以通过参数m进行自由调节, 而且调节方式既可以是整体的, 又可以是局部的。利用张量积方法, 将mB曲线推广到了曲面, 称之为mB曲面。mB曲面具有与mB曲线类似的性质。     

最小二乘隐空间支持向量机

在隐空间中采用最小二乘损失函数,提出了最小二乘隐空间支持向量机（LSHSSVMs）．同隐空间支持向量机（HSSVMs）一样,最小二乘隐空间支持向量机不需要核函数满足正定条件,从而扩展了支持向量机核函数的选择范围．由于采用了最小二乘损失函数,最小二乘隐空问支持向量机产生的优化问题为无约束凸二次规划,这比隐空间支持向量机产生的约束凸二次规划更易求解．仿真实验结果表明所提算法在计算时间和推广能力上较隐空间支持向量机存在一定的优势．     

Digital Least Squares Support Vector Machines

This paper presents a very simple digital architecture that implements a Least-Squares Support Vector Machine. The simplicity of the whole system and its good behavior when used to solve classification problems hold good prospects for the application of such a kind of learning machines to build embedded systems.     

最小二乘支持向量机的一种稀疏化算法

介绍了一种稀疏化最小二乘支持向量机的剪枝算法。由于支持值图谱中小的支持值所对应的训练样本在算法执行阶段所起的作用较小,所以删除它们不会引起性能的显著下降。仿真实验表明,该算法不但简单、易于实现,而且能够保持良好的分类性能。     

Recursive Update Algorithm for Least Squares Support Vector Machines

In this Letter an efficient recursive update algorithm for least squares support vector machines (LSSVMs) is developed. Using the previous solution and some matrix equations, the algorithm completely avoids training the LSSVM all over again whenever new training sample is available. The gain in speed using the recursive update algorithm is illustrated on four data sets from UCI repository: the Statlog Australian credit, the Pima Indians diabetes, the Wisconsin breast cancer, and the adult income data sets.     

最小二乘双支持向量机的在线学习算法

针对具有两个非并行分类超平面的最小二乘双支持向量机,提出了一种在线学习算法。通过利用矩阵求逆分解引理,所提在线学习算法能充分利用历史的训练结果,避免了大型矩阵的求逆计算过程,从而降低了计算的复杂性。仿真结果验证了所提学习算法的有效性。     

最小二乘支持向量机算法研究

1 引言支持向量机(SVM,Support Vector Machines)是基于结构风险最小化的统计学习方法,它具有完备的统计学习理论基础和出色的学习性能,在模式识别和函数估计中得到了有效的应用(Vapnik,1995,1998)。支持向量机方法一方面通过把数据映射到高维空间,解决原始空间中数据线性不可分问题;另一方面,通过构造最优分类超平面进行数据分类。神经网络通过基于梯度迭代的方法进行数据学习,容易陷入局部最小值,支持向量机是通过解决一个二次规划问题,来获得     

Benchmarking Least Squares Support Vector Machine Classifiers

In Support Vector Machines (SVMs), the solution of the classification problem is characterized by a (convex) quadratic programming (QP) problem. In a modified version of SVMs, called Least Squares SVM classifiers (LS-SVMs), a least squares cost function is proposed so as to obtain a linear set of equations in the dual space. While the SVM classifier has a large margin interpretation, the LS-SVM formulation is related in this paper to a ridge regression approach for classification with binary targets and to Fisher's linear discriminant analysis in the feature space. Multiclass categorization problems are represented by a set of binary classifiers using different output coding schemes. While regularization is used to control the effective number of parameters of the LS-SVM classifier, the sparseness property of SVMs is lost due to the choice of the 2-norm. Sparseness can be imposed in a second stage by gradually pruning the support value spectrum and optimizing the hyperparameters during the sparse approximation procedure. In this paper, twenty public domain benchmark datasets are used to evaluate the test set performance of LS-SVM classifiers with linear, polynomial and radial basis function (RBF) kernels. Both the SVM and LS-SVM classifier with RBF kernel in combination with standard cross-validation procedures for hyperparameter selection achieve comparable test set performances. These SVM and LS-SVM performances are consistently very good when compared to a variety of methods described in the literature including decision tree based algorithms, statistical algorithms and instance based learning methods. We show on ten UCI datasets that the LS-SVM sparse approximation procedure can be successfully applied.     

基于LS-SVM的小样本费用智能预测

最小二乘支持向量机引入最小二乘线性系统到支持向量机中,代替传统的支持向量机采用二次规划方法解决函数估计问题。该文推导了用于函数估计的最小二乘支持向量机算法,构建了基于最小二乘支持向量机的智能预测模型,并对机载电子设备费用预测进行了研究。结果表明最小二乘支持向量机具有比多元对数回归更高的小样本费用预测精度。     

Generalized Predictive Control with Online Least Squares Support Vector Machines

This paper proposes a practical generalized predictive control （GPC） algorithm based on online least squares support vector machines （LS-SVM） which can deal with nonlinear systems effectively. At each sampling period the algorithm recursively modifies the model by adding a new data pair and deleting the least important one out of the consideration on realtime property. The data pair deleted is determined by the absolute value of lagrange multiplier from last sampling period. The paper gives the recursive algorithm of model parameters when adding a new data pair and deleting an existent one, respectively, and thus the inversion of a large matrix is avoided and the memory can be controlled by the algorithm entirely. The nonlinear LS-SVM model is applied in GPC algorithm at each sampling period. The experiments of generalized predictive control on pH neutralizing process show the effectiveness and practicality of the proposed algorithm.     

最小二乘支持向量机在医疗数据分析中的应用

以医疗数据为应用对象,应用网格搜索和交叉验证的方法选择参数,建立最小二乘支持向量机分类器,进行实际验证,并与使用K近邻分类器(K-NN)和C4.5决策树两种方法的结果进行比较.结果表明,LS-SVM分类器取得较高的准确率,表明最小二乘支持向量机在医疗诊断研究中具有很大的应用潜力.