基于幂级数构造的超核支持向量机的性能研究

依据模式识别中核函数的相关理论，具体地构造了一种基于幂级数构造的超核函数，并将该超核应用于支持向量机中．实验结果证明了基于幂级数构造的超核支持向量机的优越性能．     

基于小波支持向量机的金融预测

基于小波分析与支持向量核函数理论构造了一个小波支持向量机(WSVM),用以预测金融时间序列的波动率.与采用高斯核的标准支持向量机相比,由于小波核结合了小波分析的多分辨特性,因此可以更好地逼近任意非线性函数.仿真实验表明,小波支持向量机在股指收益波动率预测中具有较好性能.     

我国城镇登记失业率的数学模型与预测

结合中国国家统计局的数据,使用基于核主成分分析与加权支持向量机的方法建立模型,找出了影响就业(失业)的22个主要指标.考虑到这些指标相互之间的相关性,使用核主成分分析与加权支持向量机的方法建模,给出了算法的步骤,构造了非线性预测函数,并对1995-2009年的城镇登记失业率进行拟合预测,得到的结果具有较高的精度.     

支持向量机核函数的构造方法研究与分析

支持向量机是近年来发展的以统计学习理论为基础的新型学习机,核函数的选择无疑是其重要的核心问题.先对核函数进行定义,然后通过对核理论进行性质分析,最后明确了对最优核函数的选择与构造,从理论上为核函数的选择提供了参考.该学习机用结构风险代替经验风险,因而具有传统的神经网络无法相比的优势.     

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.     

基于证据框架的模糊超球面支持向量机超参数优化

模糊超球面支持向量机(FHS-SVM)在处理一类分类问题时比超平面支持向量机泛化能力更强,特别是在雷达目标检测中得到了成功应用.FHS-SVM训练时需要预设一些超参数,不同的超参数得到的FHS-SVM性能差异很大.文中首先证明了FHS-SVM训练过程与证据框架第一层贝叶斯推理的等价性,然后在证据框架下提出了FHS-SVM超参数优化迭代方法.基于超宽带合成孔径雷达探雷数据,通过与穷举方法结果的对比检验了迭代优化方法的有效性.     

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.     

再生核空间W12(R)中构造标准正交基的一个新方法

在再生核空间W21(R)中定义一个内积(f,g)j,给出在此内积下在再生核空间W21(R)中构造标准正交基的一种新方法,同时给出对W21(R)中的函数,不用积分运算只用函数在离散上的值即可将函数精确表示出来的表达式.     

再生核空间W12[a,b]中两个问题的讨论

本文对再生核空间W12[a,b]中的下面两个问题进行讨论:(1)若再生核空间W12[a,b]定义中的条件改为u(x)在[a,b]是连续函数或连续囿变函数,那么函数空间不再是再生核空间.(2)若再生核空间W W12[a,b]含有的间断点的函数,则间断点必固定、间断点个数必有限且非端点a,b.进一步,我们构造了函数含有n个间断点的再生核空间并给出其再生核表达式.     

基于SVM线性核函数情感分类模型的建立和研究

通过对流行音乐情感分类方法的分析,结合音乐主旋律的音程差值所占比例的高低,提取音乐的情感信息.并以音程差统计得到的数据为依据,建立基于SVM线性核函数情感分类的数学模型.通过对MIDI音乐文件进行主音轨定位,主旋律识别和乐段分割,结合一对多思想方法构造多分类SVM分类器,从而在SVM线性核函数基础上对流行音乐情感分类进行研究.     

小波包分析和支持向量机用于直肠感知功能重建

针对临床上肛门失禁导致的直肠感知功能丧失,提出一种基于小波包分析和支持向量机( support vector machine,SVM)重建患者直肠感知功能的方法.分析人体直肠生理特征,将典型直肠压力收缩波形中的巨大移行性收缩作为产生便意的主要依据.利用小波包分析对直肠压力信号进行特征提取,以分解层结点的L2范数和标准差作为特征向量.通过提取的直肠压力信号特征向量对基于SVM的直肠感知预测模型进行训练,对SVM的惩罚因子和核函数宽度进行交叉验证优化,并利用训练后的模型进行便意预测,同时对比分析了基于前馈神经网络和基于不同核函数的SVM便意预测的准确率.实验结果表明,所提出的方法能帮助患者重建直肠感知功能.     

再生核空间W_2~1[a,b]中两个问题的讨论

本文对再生核空间W1 2 [a ,b]中的下面两个问题进行讨论 :( 1 )若再生核空间W1 2 [a ,b]定义中的条件改为u(x)在 [a ,b]是连续函数或连续囿变函数 ,那么函数空间不再是再生核空间 .( 2 )若再生核空间W W1 2 [a ,b]含有的间断点的函数 ,则间断点必固定、间断点个数必有限且非端点a ,b .进一步 ,我们构造了函数含有n个间断点的再生核空间并给出其再生核表达式     

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。     

再生核希尔伯特空间的实解析性

基于解析平移不变Mercer核的再生核希尔伯特空间,利用再生性,证明当核是解析时,再生核希尔伯特空间中的每一个函数都是实解析的,并且给出了收敛半径.     

基于支持向量机的分布数据挖掘模型DSVM

本文对于基于支持向量机的分布数据挖掘模型的建立分析,是在对于DSVM中特征多叉树概念含义理解的情况下,通过进行基于移动Agent访问分布数据集原理进行特征多叉树构建的方法分析,并对于特征多叉树能够进行分布环境各数据集属性的总体特征反映的特征分析下,最终实现利用这种结构与支持向量机的特点,进行基于支持向量机的分布数据挖掘模型DS-VM的提出与建立。     

再生核希尔伯特空间的实解析性

基于解析平移不变Mercer核的再生核希尔伯特空间,利用再生性,证明当核是解析时,再生核希尔伯特空间中的每一个函数都是实解析的,并且给出了收敛半径.     

基于支持向量机的机器学习的研究

对机器学习、支持向量机的研究现状进行了综述,阐述了机器学习和支持向量机的基本概念以及支持向量机的训练算法.     

基于模糊支持向量机的多标签分类方法改进

One-against-all支持向量机的多标签分类存在将样本分类到训练集无法获取标签的"未定义"区域和没有明确决策函数的标签模糊区域的问题。对此提出一种基于模糊支持向量机的多标签分类改进方法(FSVMi)。该方法通过将多条决策边界合并,并为每个标签类分配相应的隶属函数。实验结果表明,相比于现有方法,该方法更具有优越性。     

一种改进支持向量机的无线定位方法

针对利用支持向量机无线定位过程中参数对定位准确度有较大影响的问题,提出一种模拟退火改进的支持向量机(simulated annealing-support vector machine,SA-SVM)参数的定位方法.根据蜂窝通信系统模型仿真数据训练支持向量机,利用模拟退火算法迭代寻找SVM最优参数,然后用得到的最优参数进行支持向量机定位.仿真结果表明,相对于原来的SVM定位,SA-SVM有效提高了定位精度,具有很好的应用价值.