一种基于Vague-Sigmoid核的支持向量机研究

Sigmoid核最初起源于神经网络,目前在支持向量机中也得到了广泛应用,但由于核矩阵的非半正定性,其应用受到一些限制.研究表明Sigmoid核可以用简单的模糊三角隶属函数来近似替代,使得其学习效率能进一步提高.本文首先分析模糊支持向量机的特性,将模糊理论用于支持向量机的核中,并在此基础上提出了基于Vague-Sigmoid核函数的支持向量分类器.该方法充分结合了Vague集的自身优势,用基于Vague集的相似度量来代替了常规中的样本间的点积计算方法.将文中提出的方法应用于标准数据集中,并与传统的Sigmoid核方法、Fuzzy -Sigmoid核方法进行了实验分析, 实验表明文中提出的方法在不损失精度的情况下,能较好的提高算法的执行效率,取得了较好的实验结果;同时也表明在支持向量机中能利用Vague-S igmoid核取代替传统的Sigmoid核,从而减少对Sigmoid核的限制.     

环绕智能研究综述

新一代的计算模式代替PC时代的计算模式是不可逆转的发展趋势,理解AmI的概念、应对AmI提出的技术与非技术挑战非常关键.首先讨论了环绕智能概念的起源,并比较了AmI概念与Ubiquitous Computing等相关概念的异同.然后综合分析了AmI领域的国内外研究现状,提出了一种针对AmI领域的研究内容的层次划分方法,并且讨论了AmI研究面临的技术挑战.随后,分析比较了世界IT强国针对AmI远景制定的工作计划,总结了AmI研究近期研究热点和未来发展趋势.     

基于IPv6的入侵检测与防火墙联动系统

网络安全中入侵检测与防火墙的联动是研究的热点,目前已经实现的联动系统多局限于IPv4网络,该文基于IPv6网络的防火墙和入侵检测系统,提出一种分布式的网络安全防护体系,通过设置入侵检测代理和集中控制服务器,分析检测到的入侵状况信息后主动调整防火墙的规则策略,实现支持IPv6/IPv4双协议的入侵检测与防火墙动态联动。测试结果表明,系统有效可靠。     

基于GA-SVM的企业财务困境预测

通过遗传算法结合支持向量机算法中期望风险边界,对我国上市公司财务数据进行特征提取,并优化构造广义最优分类超平面,从而获得具有较好整体预测性能的联合模型。数值实验表明,该方法可以降低特征空间维数,具有较好的分类准确率。实证结果表明,GA-SVM联合预测模型具有可靠的预测财务困境能力,有着良好的应用前景。     

基于保真数据的花样定制算法

不失真地优化并扩展自主电子花样机花样格式NTP,结合优化后的花样格式NTPS及传统NTP花样定制算法,研究针距不变时花样不失真定制的原理与方法,设计并实现了基于NTPS的保真花样定制算法。实验结果表明,该算法较原有算法更好地解决了花样定制时的失真问题,已成功应用于电子花样机花样设计软件“兰花花v1.0”中。     

核子类凸包样本选择方法及其SVM应用

提出一种基于核函数方法的类内训练样本选择方法——核子类凸包样本选择法,并将其用于支持向量机。该样本选择方法通过迭代方法,逐一选择了那些经映射后“距离已选样本”,并将其映射、生成“凸包最远的样本”。实验结果表明,该方法选择的少量样本使支持向量机获得了较高的识别比率,减少了存储需求,提高了分类速度。     

基于双手交互的指挥空间响应模型

自然高效的人机交互技术正快速发展,但双手交互技术和应用空间之间在认知上存在较大差距。使双手交互难以被广泛应用。该文对指挥空间进行认知级描述。根据指挥空间双手交互应用背景,按分布式认知和以用户为中心的思想构建一种基于双手交互的指挥空间交互响应模型。以解析的方式描述用户背景知识与交互响应间的关系,为指挥空间内双手交互的设计提供依据。     

一种小样本集可信向量机3S—CSVM

利用支持向量机中的拉格朗日系数,从系数所表达的意义出发,根据Kolmogorov算法随机性理论,定义了可信度和可靠性,提出了一种小样本集可信向量机,该向量机在预测对象类别的同时,给出本次预测的可信程度和可靠性,丰富了支持向量机的输出信息。同时通过在预测的过程中有限增加训练集中的有用特征信息,提高了预测的准确率,在只有少量训练样本的情况下具有较好的性能。     

基于类中心和属性权重的二类SVM

本文分析了现有二类分类支持向量机算法的不足,在此基础上提出了基于类中心和属性权重的二类分类支持向量机算法。实验结果表明该算法可提高分类精度。     

OCSVM集成模型解决支持向量机的大规模训练问题

该文针对集成方法实现支持向量机大规模训练的相关问题进行了深入研究,提出了一种称为"DD-Boosting"的成员分类器产生算法,能够在大规模数据集情况下利用类似Boosting技术产生稳定、高泛化性能的成员分类器。在此基础上,推导出基于OCSVM的分类器集成模型,实验仿真表明,该集成模型能够获得比主投票方法更好的泛化性能,且通过调整正则参数避免了训练过拟合问题。