共查询到10条相似文献,搜索用时 31 毫秒
1.
为克服经典区域增长算法中生长规则以及特征选取的困难,提出了基于支持向量机的多目标并行区域增长图像分割算法。首先交互选择多个不同区域的种子点(假设邻近种子点的一小部分区域属于同一目标区域,不同种子点邻域分别属于不同目标区域),利用其邻域构造训练样本;然后利用这些已知的训练样本训练支持向量分类器;在区域增长过程中,利用训练所得的支持向量模型建立增长规则。为了避免初始种子点位置选择对算法性能的影响,采用了多区域并行竞争增长策略。仿真实验获得了较好的分割效果,表明提出的算法是合理可行的。 相似文献
2.
为了解释原油价格长周期波动的规律, 利用不可再生资源的定价原理对1946-2008年WTI原油价格进行拟合, 得到原油的长期均衡价格; 利用Hodrick-Prescott滤波方法对1946-2008年WTI原油实际价格序列进行滤波以反映其波动的周期性. 研究发现: 原油作为不可再生资源在价值规律的作用下其长期实际价格是均值回归的, 围绕长期均衡价格上下波动, 但同时也出现了长时期、大幅度的偏移. 以虚拟经济理论为指导, 运用复杂科学的方法, 从国际原油市场主体的多元化、 国际原油市场定价机制的演化、国际原油市场参与者结构的变化以及世界经济的周期性发展变化四个角度来解释国际原油实际价格对均衡价格的这种周期性偏离行为, 并对这次金融危机后的油价发展趋势进行了展望. 相似文献
3.
4.
基于支持向量机的混沌时间序列非线性预测 总被引:25,自引:1,他引:25
提出一种新的应用支持向量机回归原理的混沌时间序列非线性预测方法,同时利用自适应的方法对支持向量机的参数进行优化.仿真结果显示支持向量机具有比传统的回归方法更好的泛化能力,预测方法具有很高的预测精度,同时还讨论了支持向量机中参数以及嵌入维数的变化对泛化误差的影响,得出的结论与统计学习理论中的VC维理论相一致. 相似文献
5.
支持向量机控制与在线学习方法研究的进展 总被引:4,自引:4,他引:4
支持向量机以其模型结构简单、较好的推广能力和全局最优解等特点已经被用来进行智能控制的研究,主要包括采用支持向量机回归的非线性时间序列的建模与预测、系统辨识等建模方面的研究以及优化控制、学习控制和预测控制等方面的研究以及采用支持向量机的故障诊断的研究。由于现有SVMR基于二次规划的优化方法不适合控制过程的在线训练,因此出现了对SVMR在线训练算法的研究。分析了国内外这些研究内容的最新研究进展,旨在探讨归纳支持向量机在控制领域研究的主要成果和存在的问题,以便为进一步的研究提供一定的支持与帮助。 相似文献
6.
7.
一种基于粗糙集理论的SVM短期负荷预测方法 总被引:14,自引:1,他引:14
在分析粗糙集理论方法与支持向量机方法的优势和互补性后,探讨了粗糙集与支持向量机的结合方法,提出了一种基于粗糙集数据预处理的支持向量机预测系统。该系统利用粗糙集理论在处理大数据量、消除冗余信息等方面的优势,减少支持向量机的训练数据,克服支持向量机方法因为数据量太大,处理速度慢等缺点。将该系统应用于短期负荷预测中,与BP神经网络法和标准的支持向量机方法相比,得到了较高的预测精度,从而说明了基于粗糙集理论方法作为信息预处理的支持向量机学习系统的优越性。 相似文献
8.
世界经济与国际原油价格: 基于Kilian经济指数的协整分析 总被引:3,自引:1,他引:2
为了研究世界经济如何影响国际原油价格, 以协整理论为基础,通过建立误差修正模型分析了国际原油实际价格与世界经济、世界原油产量以及OECD石油库存的关系.特别地, 利用Kilian经济指数来反映全球经济状况. 研究结果表明:国际原油实际价格,OECD石油库存和Kilian经济指数存在着长期协整关系.在长期,Kilian经济指数对原油实际价格有显著影响,弹性大约为2.05%.随着全球经济扩张以及OECD石油库存下滑,即相对于长期均衡的负向离差加大, 原油实际价格上升, 反之油价下降. 短期内世界经济,OECD石油库存和世界原油产量变动是原油实际价格变动的Granger原因. 相似文献
9.
花俊国 《系统工程理论与实践》2014,34(10):2539-2545
文中基于非参数协整检验, 建立了基于先行指标预测我国经济短期波动的平滑转换自回归模型,以考察不同先行指标对短期内宏观经济波动的预测能力. 结果显示: 经济合作与发展组织(OECD)先行指标对季节调整后实际产出水平的预测误差基本在1%以内, 国家统计局先行指标对国内生产总值(GDP)同比增长率的预测误差基本在5%以内. 对2011年第2季度后GDP增长的样本外预测结果表明, 两种先行指标的预测结果都与实际GDP增长率很接近, OECD指标的预测精度略优于国家统计局指标. 相似文献
10.
一种基于支持向量机的模糊分类器 总被引:2,自引:0,他引:2
提出了一种基于支持向量机学习的模糊分类器(FCBSVM).介绍了FCBSVM的基本思想及其结构,分析了隶属函数参数和惩罚参数C对分类规则的产生以及分类性能的影响,并提出了参数确定方法.构建这种分类器时,先选用适当的隶属函数,构造核函数.然后,以训练模式作为中心,进行模糊划分,对每个模糊划分建立一条模糊IF-THEN分类规则.最后,利用支持向量机学习方法,求出支持向量和规则的参数.这种分类器将支持向量机和模糊集合理论的优点结合起来,实现了模糊划分和模糊分类规则的自动产生.用双螺旋线数据和典型的数据集对分类器的性能进行了实验评测,验证了分类器的有效性. 相似文献