ε不敏感损失函数支持向量机分类性能研究

将原先用于支持向量回归的ε不敏感损失函数引入到支持向量分类中,提出ε不敏感损失函数支持向量分类算法(-εSVC).同标准支持向量分类方法(C-SVC)和最小二乘支持向量分类方法(LS-SVC)相比较,试验结果表明:当赋予参数ε一个足够大的接近于1的值时,-εSVC的分类正确率略低于C-SVC和LS-SVC,但是-εSVC的训练、测试和参数选择的速度要高于C-SVC和LS-SVC.特别是对于大规模数据集,这种优势将更加明显.另外,通过精确选择参数ε的值,-εSVC能够获得比C-SVC和LS-SVC更高的分类正确率,但是训练、测试和参数选择的速度却随着ε的减小而降低.     

加强高职机械制图教学 培养学生职业岗位能力

本文根据高职教育的人才培养目标要求,探讨了如何加强高职机械制图教学,培养学生初步的职业岗位能力问题。     

《工程力学》课程的教学改革与实践

本文针对工程力学的课程特点,结合当前工程需要,就如何提高课程的教学效果,从教学内容、教学方法及考核方式等方面进行了改革与实践。     

浅议锅炉热工仪表的维护与检修

随着工业自动化控制技术的不断进步,锅炉热工仪表逐步由传统仪表向新型仪表推进,面对此形势,仪表维护工应积极面对、及时充电学习、掌握方法、严格要求,做好锅炉热工仪表的维护与检修工作。本文对从事相关工作的技术人员具有一定的参考价值。     

GP-内射半模与n-P-内射半模

给出了GP-内射半模与n-P-内射半模的定义,并分别给出了GP-内射半模与广义PP-半环的关系;n-P-内射半模与n-广义PP-半环的关系.     

支持向量机在机械设备振动信号趋势预测中的应用

将支持向量机（SVMs）用于机械设备振动信号趋势预测中，研究了SVMs参数及核函数类型对SVMs预测能力的影响．试验显示，在短期预测中4种核函数有着基本相同的预测能力，而在长期预测中，径向基函数核和多项式核表现出了相对较高的预测能力，同线性核和神经网络核相比，它们的归一化均方误差约降低了20％．SVMs与向后传播神经网络、径向基函数网络和广义回归神经网络预测能力的对比表明，实现了结构风险最小化原理的SVMs具有更好的预测能力，在长期预测中，其归一化均方误差约降低了15％。