基于BIM技术的地铁边深基坑工程施工信息集成方法

为了解决地铁边深基坑工程施工信息集成运行效率低、极差高、信息匹配准确率低和性能差的问题,提出了一种基于BIM技术的地铁边深基坑工程信息集成方法.首先基于BIM信息集成平台,采集与分析地铁边深基坑工程施工信息;然后综合正交函数和支持向量机算法,对施工信息样本进行投影映射;之后根据DE算法规则迭代循环计算核函数,获得支持向量机参数最优解,以保证各个样本间的拟合度,优化信息集成极差;接着结合DE算法和支持向量机算法,采用参数反分析方法构建DE-SVM参数反分析模型,以优化地铁边深基坑工程中岩体位移与岩体力学参数,提升地铁边深基坑工程施工信息的匹配准确率;最后通过滚动预测方法更新施工信息,以提高地铁边深基坑工程施工信息的运行效率.同时,通过实例验证了所提方法的可行性和有效性,结果表明,所提方法的运行效率高、极差小、信息匹配准确率高,可保证地铁边深基坑工程施工信息集成的性能.     

基于SVM的建筑施工项目安全风险评价

为了建立针对建筑施工阶段的安全风险预防控制机制,有效减少安全风险导致的损失,运用SVM构建了基于SVM的建筑施工项目安全风险评价模型,通过具体工程项目进行实证分析。结果表明:通过合理的选取建筑施工项目安全的主要影响影子,科学建立风险指标并合理的量化分析,基于SVM的风险评价模型具有良好的实用价值和经济价值,可以为建筑工程项目施工阶段安全风险管理提供借鉴。     

基于云模型的地铁施工安全风险评价

地铁的建设可有效缓解城市地面交通的压力,满足城市居民出行的需求,但地铁施工面临的风险因素较复杂且具有不确定性。针对施工风险因素的模糊性和随机性等特点,提出了基于组合赋权法和云模型的地铁施工风险评价方法。着重考虑地铁施工的安全性问题,建立了地铁施工安全风险评价指标体系,首先采用偏好系数法将层次分析法和熵权法组合,进而根据云模型给出风险等级标准云及综合评价云图,对比两图的相似度确定风险等级。最后以某地铁8号线为例对所提出的方法进行验证,结果表明该方法具有有效性及科学性。     

基于SVM的我国创业企业风险评价研究

随着经济转型的深入,创业企业已成为我国社会经济发展中一支重要的新生力量。如何通过有效地风险评价增强创业企业的风险管理水平,进而提高其成活率,已成为一个不可回避的现实问题。本文将支持向量机（SVM）原理应用于我国创业企业风险评价中,并依据建立的风险评价指标体系,通过对选取的样本数据进行SVM分类训练,检验并确定了我国部分创业企业风险等级水平。     

基于SVM的分类算法与聚类分析

运用结构风险最小化原理和聚类原理，将支持向量机中有监督的分类算法与统计中无监督的聚类算法有机地结合起来。对线性可分与线性不可分两种情况分别建立了无监督的分类模型，模型的求解转化为一个二次规划问题。同时此模型也适合于多分类情况，在应用到心脏病的医疗诊断中，准确率为88．5％，较以前的方法有了明显的提高。     

基于支持向量机的多工艺方案综合评价算法

针对事先无法确定目标属性权重或隶属度一类多方案综合评价问题,提出了一种首先利用支持向量机的学习算法建立目标、综合属性的优化模型,再对多方案进行综合评价的算法.通过对"聚脂网生产工艺CAPP系统"应用表明,该算法不仅适用单件小批量生产,而且适用于大批量生产,具有较好的推广性.     

基于改进蚁群算法与遗传算法组合的网络入侵检测

为提高网络入侵检测的检测效果,提出一种基于改进蚁群算法与遗传算法组合的网络入侵检测方法.该方法采用遗传算法(genetic algorithm,GA)对网络入侵的特征集进行快速选取,为后续特征提取打下基础;对传统蚁群算法(ant colony optimization,ACO)的节点选择策略和信息素更新策略进行改进,提出一种改进的蚁群算法,提高对最优特征的选择效果,采用改进的蚁群算法对特征进一步选择;采用支持向量机(support vector machine,SVM)统计机器学习方法建立各类网络入侵的检测分类器.仿真实验结果表明,新的网络入侵检测方法综合GA和改进蚁群算法的优势,能够获得更好的入侵特征,从检测正确率、误报率和漏报率3个方面综合比较,新的网络入侵检测方法具有更好的网络入侵检测效果,且提高了检测速率.     

基于蚁群优化算法的支持向量机参数选择及仿真

基于支持向量回归机（SVR）模型的拟合精度和泛化能力取决于其相关参数的选取,以蚁群优化算法为基础,给出支持向量回归机参数优化的一种新方法。该方法以最小化k-fold交叉验证误差为目标,对支持向量回归机中的核参数σ和惩罚系数C由蚁群系统中的节点值体现,数值的优选通过蚂蚁对最优路径的选择进行确定。计算机仿真结果表明：与正交法、遗传算法等相比,该方法在参数优化方面有良好的鲁棒性能和较强的全局搜索能力;该方法用于青霉素发酵过程的建模研究,建模精度较高。     

基于粗糙集和支持向量机的深基坑工程风险评价

利用粗糙集和支持向量回归机的理论和方法,建立基于粗糙集和支持向量回归机相结合的风险评价模型。结合深基坑工程风险评价的实例,将约简后的评价指标输入到支持向量回归机中训练,构建评价模型,而在模型的构建中采用了高斯径向基核函数。最后将指标约简前后所得的评价结果分别与基于粗糙集和神经网络的评价所得的结果进行比较,采用粗糙集和支持向量回归机的评价法具有更好的评价效率。     

基于机器学习的图像块效应盲评价算法

图像失真不仅能反映在图像的真实结构上,也能反映在图像的伪结构上,利用图像伪结构,基于支持向量机,提出一种图像块效应盲评价方法,在该方法中,使用支持向量机对联合图像专家小组（joint photographic experts group, JPEG)图像的伪结构特征进行训练以实现对图像进行质量评价。这些伪结构特征包括稀疏特征、边缘特征和颜色特征,利用支持向量机对图像的伪结构特征和主观评价结果进行训练,对未训练的图像进行预测。实验证明,该方法能够正确评价JPEG图像的质量且与图像的主观评价结果保持很高的一致性。     

基于蚁群算法的支持向量机参数优化

针对支持向量机的参数对分类性能的影响,探讨了基于蚁群算法的支持向量机参数优化方法,建立了支持向量机参数优化模型,给出了基于网格划分策略的连续蚁群算法,并将其用于优化模型求解,通过对支持向量机的惩罚因子和径向基核函数进行优化,使支持向量机的分类性能最优.通过仿真和应用实例,验证了方法的有效性,得到了95%以上的分类正确率.     

一种新型的自适应多核学习算法

针对样本基数较大、维数较高、特征较复杂的数据集训练问题,将支持向量机与蚁群优化算法相融合,提出一种自适应多核学习算法.利用吸引子传播聚类算法自适应地发现相似特征,并据此利用蚁群算法自适应地选择核函数参数,从而快速选择最优核函数.通过UCI数据集的5组数据实验表明,该算法相比于传统的支持向量机分类准确率和F1值更高,验证...     

地铁网络脆弱性风险评价研究

地铁已经成为民众日常出行的主要方式之一.然而地铁一旦发生事故,将花费大量的人力和物力来恢复运营.因此,为了提高地铁运营的安全性,降低紧急事件后果的严重性,对地铁网络脆弱性的风险因素进行分析.从"人、设、环、管"四个要素构建地铁网络脆弱性评价体系,对地铁网络脆弱性进行分析.以福州地铁二号线为例通过DEA模型评价风险因素,...     

基于粒子群协同优化算法的供应链金融信用风险评价模型

针对供应链金融模式下信用风险评价精度受信用特征子集与模型参数影响的问题, 提出一种粒子群协同优化信用风险评价模型. 该模型在充分论证供应链金融风险特征指标体系的基础上, 利用二进制粒子群算法优选特征子集, 并对支持向量机(SVM)参数协同优化. 对供应链金融信用风险评估进行实验, 并与传统径向基支持向量机和主成分分析特征抽取方法对比, 结果表明, 该模型优选的特征子集和SVM参数能显著提高信用风险评价精度.     

基于最小二乘支持向量机的人脸识别算法

通过计算机对人脸进行分析,从而确定身份的技术统称为人脸识别,其具体内容包括图像预处理、特征选择和提取、分类。首先介绍了支持向量机和最小二乘支持向量机的基本思想和数学模型,推导了最小二乘支持向量机的算法步骤,在对人脸图像进行预处理的基础上,采用奇异值分解扩展算法提取人脸特征,然后再采用上述算法对人脸图像进行分类。通过实验可知本文中的算法可以对人脸图像进行有效分类,对解决小样本分类问题是有效的、可行的。     

基于蚁群算法的支持向量机室内蓝牙标定定位

针对不同型号的智能手机之间存在硬件差异,导致在使用不同的智能手机进行室内定位时,采集同一蓝牙信号强度观测值存在偏差而影响定位精度的问题,提出了一种基于蚁群算法的支持向量机室内定位蓝牙标定方法.由于支持向量机参数的选取对其预测精度影响较大,因此利用蚁群算法避免人为盲目地选择支持向量机的参数,优化模型并提高预测精度.实验结果表明:基于蚁群算法的支持向量机室内定位蓝牙标定方法相比标定前的精度提高了37.3%,可以有效地进行室内定位.     

基于支持向量机的武器装备研制项目风险评价方法

针对武器装备研制项目风险评价方法在实际应用中存在的问题,对支持向量机在武器装备研制项目风险评价中应用的可行性进行了分析,提出了基于支持向量机的武器装备风险评价模型.应用收集相关项目的数据资料进行了实证研究,并与神经网络和模糊综合评价法进行了比较分析.结果表明,基于支持向量机的评价模型具有良好的自学习性和特征提取能力,可为武器装备研制项目风险评价提供有益的参考.     

基于PR算法的自适应ACO算法求解旅行商问题

以著名的旅行商问题为研究对象,研究了基于线路重连(PR)算法的自适应蚁群算法(ACO)的应用。根据蚁群算法构解过程中的选择策略与信息素更新机制,提出了自适应的蚁群优化方法,即通过阈值接收算法(TA)中的阈值控制参数改变蚁群的确定选择与随机选择机会,从而控制了搜索方向。采用这种自适应的蚁群优化算法,避免蚁群算法陷入局部最优,使对解空间的更好地进行搜索。同时,在蚁群优化算法(ACO)中,嵌入路径重连算法(PR)来改进解的质量。实验结果证明了基于线路重连算法(PR)的自适应蚁群算法(ACO)在求解该问题时的有效性。     

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。     

基于支持向量机算法的网站分类器构造方法

首先研究了基于向量空间模型的网站文本特征建模技术，同时根据实际网络的复杂程度和分类特点，采用支持向量机（support vector machine，SVM）来构造分类器。网站分类实验结果表明这种基于SVM的分类器具有模型简单、分类准确性较高等优点，具有较好的网站分类适用性。