关于改进的支持向量机的研究

支持向量机是一种基于统计学习理论和对偶理论的分类和函数估计方法,其推广能力强和全局最优的特点引起了学者的广泛关注。本论文对目前所提出的各类改进的支持向量机进行了初步的研究和分析。     

农药精确喷雾智能决策支持系统的设计

将智能决策支持系统与农药精确对靶喷雾技术有机结合起来,研究并集成了农药精确喷雾智能决策支持系统,为实现农药精确喷雾提供智能决策。在对系统目标、系统功能、系统结构分析的基础上,通过ID3算法对农药喷洒进行归纳,构建了PPSIDSS喷雾决策树。     

基于主成份分析的Bagging集成学习方法

机器学习中数据集的冗余特征会影响学习器的泛化能力，一些流行方法如支持向量机和集成学习也难免于此．研究了利用主成份分析进行特征变换对Bagging集成学习算法的影响，提出一种称为PCA—Bagging的算法，并与其它算法比如单个支持向量机、支持向量机Bagging集成、带有特征变换的单个支持向量机等进行了性能比较．在多个UCI标准数据集上的实验表明PCA—Bagging算法具有更好的性能，这说明即使是泛化能力很强的集成学习方法其学习的数据也需要进行适当的特征变换。     

回归函数的小波支持向量机鲁棒估计法

小波网络具有小波的多尺度特性和神经网络的自学习功能,在回归估计中得到广泛的应用,但其性能受到样本中粗差的严重影响.虽然以M-估计作为目标函数可以解决这个问题,但由于其对应的影响函数由残差绝对值决定,因此如何选择初始参数值成为一个关键问题.为此,提出回归函数的小波支持向量机鲁棒估计方法(小波支持向量回归,WSVR,Wavelet Support Vector Regression).该方法中首先提出并证明了一种新的小波支持向量机(WSVM,Wavelet Support Vector Machine),用于确定初始参数值方法,这种方法能够确定合理的网络结构和合适的初始参数值,保证含有粗差的样本点的残差绝对值较大;然后使用一种构造的M-估计作为目标函数,并提出了自适应确定阈值方法.仿真结果表明,使用这种方法得到的回归模型不仅具有良好的多尺度逼近特性,而且有较好的鲁棒性和较高的推广性能,具有较高的理论和应用价值.     

一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)

在属性均值聚类(AMC)与支持向量机(SVM)的基础上,提出了一个新的模式分类算法——基于(属性)聚类的属性支持向量机算法(AMC-ASVM)。主要思想是利用属性均值聚类网络得到的具有概率信息(权重)的样本,来训练属性支持向量机,从而得到分类器。这种方法结合了属性聚类的稳定性与属性支持向量机可以利用加权样本的优点,适合处理具有强噪声的数据。另外,该方法也可以看作是堆近邻分类法的自然推广。在实验部分,将其用于结肠癌基因表达数据的处理。实验结果显示了AMC-ASVM在一定程度上优于最近邻,Boosting,堆近邻,SVM等方法。     

浅析企业数据仓库与联机分析处理及数据挖掘技术的应用

文章针对企业对信息系统数据挖掘的需求，提出了基于数据仓库，应用联机分析处理及数据挖掘技术的计算机辅助决策支持系统的模型，并对数据仓库、联机分析处理及数据挖掘技术的应用进行了分析。     

受损托圈承载能力的有限元计算和分析

综合运用计算机仿真、动力学、有限元分析理论和测试技术等科学理论,并以大型的有限元分析软件ANSYS作为仿真和分析的工具,详细研究不同工况下受损托圈的强度,同时校核了受损托圈的承载能力。     

规范家庭养老保障制度问题研究

社会养老不能取代家庭养老。在社会转型时期，我国家庭养老保障制度遇到诸多困难并引发一系列家庭矛盾。因此，必须合理界定赡养人的范围、明确家庭养老的内容、成立专门的家庭养老管理机构、严惩不履行赡养义务者。     

友伴支持对大学生抑郁情绪的影响

探讨友伴的社会支持与大学生抑郁情绪之间的关系。其方法是采用友伴社会支持量表 (ISSB)、抑郁量表 (CES -D)对 116 6名大学生进行问卷调查。结果 :大学生的抑郁在友伴实质性支持、情绪情感支持上的差异具有统计学显著意义 ,友伴实质性支持低分组、情绪情感支持低分组的抑郁得分均显著高于相应高分组的得分 ;友伴实质性支持、情绪情感支持对大学生抑郁均有显著的负向预测作用 ,两者的解释率为 13 5 %。结论 :友伴的实质性支持、情绪情感支持能影响大学生抑郁情绪 ,且有一定的负向预测作用。     

温室黄瓜环境管理智能决策支持系统初探

以黄瓜温室栽培和环境控制试验中所建立的一系列作物模型、环境模型和经济模型为基础，以Delphi6．0为软件开发环境，建立温室黄瓜环境优化调控管理的智能决策支持系统．该系统以兼顾作物生长和经济效益为目标，能够根据各种气象参数，给出温室环境实时控制最佳环境参数．