基于级连式支持向量机的文本自动分类算法

为了解决文本自动分类问题,从解决支持向量机模式支持限制问题入手,以级连概念为指导思想,构造了多层级连式支持向量机模型,提出一种文本自动分类算法,以便处理多个模式的分类问题。由于支持向量机本质上是一种非线性数据处理工具,对于复杂的两类模式分类问题已表现出良好的适应性,而且支持向量机用于模式识别不存在局部极小值问题,且不需进行网络迭代训练,求解速度明显高于神经网络。通过以CNKI文档数据为例进行算法实践,试验结果表明支持向量机用于模式分类的实现步骤比较简单,不需要长时间的训练过程,只需根据初始样本在空间的分布特性求解最优超平面(即找出支持向量),进而确定决策函数,然后即可泛化推广识别其他待识别的同类样本。     

基于储层构型的流动单元划分——以商河油田商一区西部沙二下2、3砂组为例

商河油田商一区沙二下油气层在经历40余年的勘探开发后,目前处于高含水开发阶段,且研究区地下非均质性强,使得目前对剩余油分布认识不清。为了搞清该区地下流体渗流规律,预测剩余油分布特征,采用层次分析法,对沙二下2、3砂组进行构型单元解剖,通过构型界面的识别与划分来识别渗流屏障,将研究区渗流屏障划分为一、二、三级,分别对应构型界面的5级、4级、3级。选取孔隙度、渗透率、流动带指数(Flow zone index)等属性参数,运用Q型聚类分析将储层划分为Ⅰ、Ⅱ、Ⅲ、Ⅳ4类流动单元,对分类结果进行逐步判别分析,并建立了各类的判别方程。由油田动态数据与流动单元关系分析表明,剩余油分布与流动单元类型存在密切联系,剩余油主要分布在Ⅱ类、Ⅲ类流动单元内。     

水淹层评价系统在临盘油田开发剩余油的应用研究

临盘油田位于惠民凹陷中央隆起带西部，是典型的陆相沉积复杂小断块油田，含油面积655km^2，石油地质储量1.35＊10^8t，经过30多年的开发，目前已进入高含水开发期，储层非均质性相当严重，剩余油分布状况越来越复杂，挖潜难度越来越大，不加强剩余油研究与挖潜工作，就难以保持老油田的有效开发。因此近几年来，我们高度重视挖掘剩余油，开展了水淹层测井资料解释研究工作，从定性到定量，综合分析了临盘油田水淹层的地质和地球物理特征及其变化，     

一种可能性测度的模糊支持向量机

支持向量机能够成功的解决分类和回归问题,但是训练数据都是精确的。如果支持向量机的训练集中含有模糊信息,即训练集中的输入训练样本点为模糊数,那么支持向量机将无能为力。基于此,在可能性测度理论和模糊机会约束规划的基础上,建立了模糊v-支持向量机模型,并将该方法应用于某病的诊断中,实验结果验证了该方法的有效性。     

基于聚类分析和支持向量机的高校教师绩效评价模型

聚类分析是对多个样本(或指标)进行分类的一种多元统计分析方法,支持向量机是借助最优化方法来解决机器学习问题的新工具.讨论采用了聚类分析和支持向量机方法建立模型,对高校教师进行绩效评价,效果较好.     

X射线底片焊缝缺陷的支持向量机识别方法

准确识别X射线底片焊缝缺陷类别,可改进焊接工艺、提高焊接质量。该文在分析和比较几种焊缝缺陷识别模式的基础上,提出了基于支持向量机（SVM）的X射线底片焊缝缺陷识别方法。该方法首先对X射线底片进行数字化处理和缺陷特征提取,然后针对X射线底片焊缝缺陷样本特点,建立SVM“一对一”聚类结构并对样本进行识别。实验结果表明,该模型具有识别精度高、速度快、容易实现等优点,适合对X射线底片焊缝缺陷识别。     

水淹层评价系统在临盘油田开发剩余油的应用研究

临盘油田位于惠民凹陷中央隆起带西部,是典型的陆相沉积复杂小断块油田,含油面积65.5km2,石油地质储量1.35*108t,经过30多年的开发,目前已进入高含水开发期,储层非均质性相当严重,剩余油分布状况越来越复杂,挖潜难度越来越大,不加强剩余油研究与挖潜工作,就难以保持老油田的有效开发.     

孔店油田含水上升规律及剩余油挖潜措施

针对孔店油田馆陶组油水同层油藏的开发特征,采用油藏工程动态分析法研究孔店油田的含水上升规律,以期改善开发效果。同时利用油藏数值模拟,研究单砂体剩余油分布控制因素、分布规律及相应挖潜措施。结果表明:通过准确预测剩余油富集区,完善注采井网,高粘度稠油区部署热采井,采油井采取放大生产压差提液、卡层堵水等措施可以有效动用油水同层油藏剩余油。     

大数据挖掘的房地产价格波动实时估计研究

为了引导投资者理性把握房地产价格波动信息,为投资者提供决策参考,提出了大数据挖掘的房地产价格波动实时估计方法。首先建立房地产价格波动评价指标体系,并采集数据样本,然后采用支持向量机对样本数据进行学习,建立房地产价格波动估计模型,并采用粒子群算法优化支持向量机参数,实验结果表明:该方法可以有效拟合房地产价格的变化曲线,估计精度高,具有较高的应用价值。     

P2P视角下的个人信用风险评价研究

在分析P2P网贷征信特征的基础上,建立了具有明显行业特征的个人信用风险评价指标体系;使用支持向量机和GA-BP神经网络法来对个人信用风险进行评估。实证分析表明支持向量机有着更高的分类准确率,同时也验证了该评价模型在实际中能较为准确地得到个人信用风险评价结果,有助于提高P2P平台的风险控制能力。     

基于支持向量机融合方法的4135柴油机故障诊断

<正>柴油机故障具有诊断对象多、特点不一和关系复杂的特点。而支持向量机具有良好的泛化能力,适用于小样本问题,同样适用于柴油机故障诊断。同时,信息融合方法可以通过多方面的信息总结出更加完整的特征数据,反映观测对象。在支持向量机的基础上结合信息融合方法,集合两者优点,可以更好地解决分类问题,对     

一种改进的人工蜂群算法优化的支持向量机

为了改善现有支持向量机(Support Vector Machine)的机器学习效果依赖于参数选择,而参数选择通常依赖于经验的问题,在现有基础上,本文结合一种称为骨架人工蜂群算法(Bare-bones Artificial Bee Colony)的改进的人工蜂群算法对支持向量机的2个参数进行优化,并对该优化结果进行试验。试验结果表明,改进的支持向量机的准确率、识别速度均优于原本的支持向量机。     

基于支持向量机的数字水印算法综述

对基于支持向量机的数字水印算法做了概要性的介绍,由于支持向量机可以通过有限的训练集样本得到小的误差,从而提高学习的泛化能力,因此支持向量机在版权保护领域有很好的应用效果．对基于支持向量机的数字水印技术的相关概念和现有算法进行了描述与分析,另外,对基于支持向量机的数字水印技术的未来发展方向和前景进行了预测．     

SVM在醇类酯类化合物结构活性关系中的应用

应用最小二乘支持向量机对44种醇类酯类化合物的正辛醇-水分配系数进行了研究.取34种醇类酯类化合物构建训练集,10种醇类酯类化合物作为预测集.对训练建立数学模型,对预测集模拟,发现支持向量机模型泛化能力较好.     

基于粒子群优化支持向量机的边坡稳定性预测

为了提高边坡稳定性预测的精度,保障边坡工程的安全,提出基于粒子群优化算法支持向量机的预测模型。采用粒子群优化算法不断进行搜索迭代获取支持向量机模型的最优参数,避免了支持向量机人为选取参数的盲目性和随意性。通过Matlab编程,应用实例证明:该模型的预测精度较高,预测样本的平均相对误差为3.581 9%,计算速度较快,优于改进的BP算法、GA-BP算法和改进支持向量机算法,在实际的工程应用中有着良好的应用前景。     

基于支持向量机的浊积扇沉积微相自动识别

在油田勘探开发中,利用测井资料迅速准确的划分沉积微相至关重要。商河油田三区沙三上亚段内发育浊流沉积,由于浊积微相在划分上具有复杂性,因而易受到工作者主观性及工作繁琐性的影响。为了最大限度地利用测井资料、提高沉积微相划分工作效率,可利用支持向量机对商三区沙三上浊积环境的沉积微相进行定量精细自动识别,为后期油田精细开发打下地质基础。研究中优选测井曲线,对其进行预处理并提取特征参数,用作支持向量机的输入集,以沉积微相解释结论作为输出;选取区内取芯井段齐全且具有微相划分结果的3口取芯井、总计1 209组数据对支持向量机进行训练,将其中908组数据作为训练集、301组数据作为测试集。研究结果表明:应用该方法的训练结果和测试结果准确率分别达到了97.7%、88.9%,表明支持向量机方法在商三区沙三上亚段浊积扇沉积微相识别上有较好的应用效果。     

支持向量分类机灵敏度分析研究

针对支持向量分类机对偶问题建立了灵敏度分析定理.该定理可以得到支持向量分类机对偶问题的解及决策函数对输入数据参数的偏导数;该定理可以定量分析输入数据误差以及数据各种变化对支持向量机模型解及其对应的决策函数值的定量影响,为解决支持向量分类机的稳定性问题奠定基础.     

基于集成支持向量机的高维过程监控

针对传统基线模型控制图在高维过程监控中不适用的问题,实时对比(RTC)方法将过程监控问题转化为实时分类问题。将集成支持向量机作为分类器运用到RTC方法中,通过设置不同参数水平的支持向量机实现个体分类器的差异性,达到对不同程度过程偏移都有更好的监控效果的目的。对于多元正态分布和非正态分布2种情况分别进行仿真实验,结果表明集成支持向量机能够更快速识别不同程度的过程偏移,实现对高维过程的实时监控。     

培养创新能力的教学质量评价体系研究

针对提高高校教学质量问题,对创客教育课程模式进行了设计,优化创新创业教学要素配置,融合"学、做、创"的学习活动内容,建立具备层次性、实践性、自主性和开放性特征的创新创业教育实践平台体系.构建创新创业人才培养的创客教育评价指标体系,提出了基于支持向量机的多类分类教学质量评价模型,并对该模型进行了性能分析.实验数据表明,基于支持向量机的高校教育质量评估模型训练和预测精度完全在可以接受的范围内,是一个合理、可行的预测模型.     

非线性支持向量机判别阈值的设置

非线性支持向量机通过核函数将低维输入空间的数据映射到高维空间,从而将原低维空间的线性不可分问题转化为高维空间上的线性可分问题.分析了非线性支持向量机中核函数的引入可造成分类阈值的偏移问题,提出了非线性支持向量机分类阈值的优化设置方法.实验表明,所提出的阈值优化设置方法能有效提高非线性支持向量机的分类精度.