葡萄酒质量的评价模型

本文是对2012年全国大学生数学建模竞赛A题的解答,建立了葡萄酒质量的评价模型,对葡萄和葡萄酒的理化指标与其质量的关系进行了分析.在问题1中,通过非参数检验方法检验这两组品酒员对酒的打分是否有显著性差异,利用协和系数分析检验两组品酒员对酒的打分的可靠程度.在问题2中,采用了基于SOM网络的等级分类和SPSS的聚类分析对酿酒葡萄进行分类,然后根据每一类葡萄酒得分均值对葡萄进行分级.在问题3中,以葡萄的指标数据为输入层,葡萄酒的指标数据为输出层,建立BP广义回归神经网络模型,得到两者之间的定量关系.在问题4中,首先采用灰关联模型,得出酿酒葡萄和葡萄酒理化指标和葡萄酒质量的关联度,然后建立支持向量机的回归拟合模型,得到葡萄酒和酿酒葡萄的理化指标与葡萄酒质量之间的定量关系.     

基于支持向量机的课堂教学质量评价

对课堂教学质量及时、客观、准确的评价有助于及时发现教学过程中存在的问题,也是提出整改措施、实施教学管理的重要前提。传统的课堂教学质量评价方法存在着主观性大、计算繁琐以及时效性差等问题。文章在分析和研究了多种课堂教学质量评价方法的基础上,提出了基于支持向量机的课堂教学质量评价模型。理论和实验表明,该模型具有较好的评价效果,同其它方法相比,具有评价精度高、实现速度快及可操作性强等特点,适合对高校教师课堂教学质量的评价。     

基于支持向量机的教学质量评价研究

支持向量机是一种新的机器学习算法,由于出色的学习性能,以及在小样本识别等许多方面有其独特的优势,现已应用在许多领域．目前,高校对教学质量越发重视,如何客观、准确、方便地评价教学质量是一个值得研究的课题．结合目前教学质最评价研究现状,提出了一个基于SVM的评价模型,经检验该模型能够获得较为理想的评价结果．     

基于GA-SVM的上市公司财务评价模型研究

财务评价是企业财务管理中的重要环节,本文在对传统财务评价方法的不足进行分析的基础上,结合财务管理理论和企业预警理论,采用GA-SVM方法建立上市公司财务评价模型。首先以沪深两市2007~2009年度A股上市公司为研究对象,以因财务状况异常而被列为特别处理的公司(ST公司)作为界定上市公司的财务危机标志,并以上市公司年报财务数据作为输入特征向量,然后将遗传算法与支持向量机相结合,通过实证方法建立上市公司财务评价模型,实证结果验证了该模型的有效性。     

基于电子鼻技术的葡萄酒分类检测方法

为了简单准确的检测葡萄酒的种类,建立了电子鼻检测系统。以三种具有相似气味的葡萄酒的种类识别为实验背景,根据葡萄酒散发的气味合理的选用了八个气敏传感器。利用主成份分析方法对传感器阵列进行优化,最后确定选用四个传感器为最终的传感器阵列,并借助Fisher判别分析方法检验其效果。使用SVM算法及BP算法分别对不同训练样本数的葡萄酒做对比实验。实验结果表明,基于PCA-SVM模式识别算法有很高的识别精度,很强的分类能力,而且在小样本分类识别实验中有着潜在的优势。     

基于小波变换的无参考视频质量评价

无参考视频质量评价算法均是针对特定的失真类型,但一个失真视频中往往有多种失真类型存在,仅对某种特定的失真进行评价无法全面反映出视频质量;鉴于此,基于小波变换提出了一种能够对多种失真类型进行综合评价的图像质量评价算法;最后,通过亮度和运动估计帧加权的方式将上述方法扩展到视频质量评价中;实验证明了本方法具有较高的评价准确性。     

四类基于支持向量机的多类分类器的性能比较

本文通过UCI数据库中的五个数据集,从分类准确性和运行时间两个方面,比较了四类基于支持向量机的多类分类器——多类支持向量机(MSVM),多元双生支持向量机(MTSVM),多生支持向量机(MBSVM)以及多元支持向量分类回归机(MSVCR)的性能.实验结果表明,MTSVM和MBSVM比MSVM和MSVCR更有效.     

基于支持向量机的经济效益综合评价

为了对企业经济效益做出客观准确的评价,本文提出支持向量机的经济效益综合评价。支持向量机是基于结构风险最小化原理的一种学习技术,是一种具有很好泛化能力的评价工具。利用支持向量机对经济效益进行评价,以改善传统评价方法结果的不合理性。试验结果表明支持向量机的评价结果更符合实际,结果更加科学合理。并与人工神经网络结果进行比较,充分体现了该方法的优越性。     

基于参数嵌入算法的支持向量机分类可视化研究

针对常用的降维算法只能可视化高维数据某一方面或某几方面特征的不足,运用参数嵌入算法在低维空间可视化其所有的特征。首先假设数据的类别在嵌入空间服从高斯分布,通过支持向量机分类算法获得训练数据在高维空间类别属性的后验概率,然后运用参数嵌入算法得到测试数据在嵌入空间的坐标和类别属性,从而实现高维数据分类的可视化．在Usps,YaleB,Mini Newsgroups数据集上的实验结果表明,该方法不仅能在低维空间表示高维数据与所属类别的联系,而且能正确揭示出数据集内部和类别集内部的关系,有利于深入研究高维数据分类的性质,参数嵌入算法的可视化效果优于直接应用PCA,ISOMAP等算法得到的低维图形,并且计算复杂度仅是数据类别和相应个数的乘积,非常适合于数据量大,类别数较少的数据分类可视化。     

基于自组织神经网络的地理空间信息的可视化表示

介绍了自组织神经网络算法,探讨了对大量地理空间数据进行模式提取和关系建立的有效计算算法,在此基础上对于所获取的信息实现可视化表示。     

A Novel Soft Sensor Modeling Approach Based on Least Squares Support Vector Machines

Artificial Neural Networks (ANNs) such as radial basis function neural networks (RBFNNs) have been successfuUy used in soft sensor modeling. However, the generalization ability of conventional ANNs is not very well. For this reason, we present a novel soft sensor modeling approach based on Support Vector Machines (SVMs). Since standard SVMs have the limitation of speed and size in training large data set, we hereby propose Least Squares Support Vector Machines (IS_ SVMs) and apply it to soft sensor modeling. Systematic analysis is performed and the result indicates that the proposed method provides satisfactory performance with excellent approximation and generalization property. Monte Carlo simulations show that our soft sensor modeling approach achieves performance superior to the conventional method based on RBFNNs.     

支持向量机和神经网络的融合发展

提出了支持向量机和神经网络的融合发展观。分析了支持向量机和神经网络的异同点。从认知模型角度探讨了神经网络认知模型对于支持向量机认知模型发展的指导作用,提出了支持向量机认知模型概念和发展思路;从支持向量机算法思想角度,提出了一类神经网络算法的发展。     

一种用于RBF神经网络的支持向量机与BP的混合学习算法

基于支持向量机与径向基(RBF)神经网络在结构上的相似性,提出了一种用于RBF网络的支持向量机与BP的混合学习算法．算法分为2步：首先采用序贯最小优化算法学习训练支持向量机,得到RBF网络较优的初始结构和参数;随后由BP算法调整优化RBF网络参数．混合学习算法结合了支持向量机小样本学习、学习训练快捷以及BP算法在线修改网络参数的特点．仿真研究表明,混合学习算法学习效率高,网络性能优良,应用于函数逼近时效果优良．     

基于雷达图表示原理的英文字符识别方法

在多元数据多元图表示原理理论基础上,提出了一种新的字符模式识别方法.首先基于多元数据雷达图表示原理进行字符的非数值数据-数值数据变换,进而实现字符信息的雷达图表示;然后对待识别字符进行多元图图形基元和特征基元分析,形成字符识别的多元图基元表示模犁;最后在字符识别的多元图基元表示模型基础上实现字符识别.本文以手写体大写英文字符的识别为例介绍该方法,通过实验证明该方法具有较好的识别效果.     

基于支持向量机的化工过程故障诊断

引入了基于统计学习理论的支持向量机技术,以连续搅拌釜式反应器——CSTR模型为例,研究了非线性化工复杂反应过程的故障诊断问题。实验结果表明,支持向量机方法与传统故障诊断方法相比,具有更好的精度、速度以及适应性。     

SOM网络与SVM在水质富营养化评价中的对比

针对复杂水环境中的富营养化评价问题,利用三峡库区水体富营养化监测数据,对自组织映射神经网络和支持向量机模型在解决该评价问题上的性能表现进行对比研究。实验结果表明,2种模型均有较快的计算速度和较高的精度,但与自组织映射网络模型相比,支持向量机模型具有更好的稳定性和抗干扰能力,在参数选择上更为简单。     

基于三层BP网络的分馏产品质量综合评价

提出了一种基于人工神经网络的分馏产品质量综合评价方法.首先介绍了一种归一化效用函数,把不同类型、不同量纲的原始评估值转换到[-1,1]区间,该效用函数较好的体现了"奖优罚劣"原则,同时对于神经网络又更容易学习和训练;其次,详细介绍了基于人工神经网络的分馏产品质量综合评价原理,并将之运用于实际,取得了较满意的效果;最后,简述了基于神经网络的分馏产品质量综合评价的优点.     

基于粒子群优化的神经网络在教学质量评价中的应用

文章提出了一种将粒子群优化(PSO)算法训练的神经网络用于高校教师教学质量综合评价的方法。该方法使用由PSO训练的BP模型来拟合影响教师教学质量评价的众多指标与评价结果之间的复杂关系。与BP算法比较,该方法在提高误差精度的同时可以加快训练收敛的速度,其泛化性能也比较好。     

基于支持向量机的大学生助学贷款个人信用评价

目前国内对大学生助学贷款个人信用的研究定性分析居多,很少运用定量的方法建立分析预测模型。该文在分析传统的信用评价模型优缺点的基础上,发现支持向量机方法(SVM)在评价贷款大学生个人信用应用时具有一定的优越性,试探性地运用支持向量机方法建立大学生助学贷款个人信用评价分析模型。通过实证分析获得了较高的预测准确率,并将分析结果与AHP、BPNN方法进行了比较,体现了SVM方法的相对优越性。因此,用支持向量机方法来评价贷款大学生个人信用是可行的、有效的。     

基于支持向量机的信用评估模型及风险评价

运用基于支持向量机理来建立一个新的个人信用评估预测模型,以期取得更好的预测分类能力.并对SVM分类结果与三层全连接BPN分类结果进行了比较.结果表明,在判别潜在的贷款申请者中支持向量的判别结果比神经网络的要好.为了减小训练集偏差及为了验证两种方法的鲁棒性,基于两种策略(平衡样本与非平衡样本)交叉验证来进一步评价SVM分类准确性,并对两种方法基于两种策略的误分类作了风险代价分析.