基于支持向量机的学位预警方法研究

针对现有高校毕业生学位预测研究多是集中于构建成绩预测模型,忽略了学位预警工作的重要性,为此,提出基于支持向量机的学位预警模型。通过应用某高校2018级广播电视编导、汉语言文学、化学、会计学和数学与应用数学5个专业实际数据对其进行了大量实验验证。结果表明,构建的预警模型具有良好的准确度和实用性,可以成为提升教学质量的重要组成部分,为教师改进教学方案,学生改变学习方法提供参考。     

关联规则技术在高职学生成绩预警中的应用研究

本文通过对数据挖掘中关联规则技术的深入研究,在教务管理数据的基础上,将关联规则技术应用于学生成绩分析中,构建了学生成绩预警模型,建立学籍预警机制,早期发现学生课程成绩不及格,及时进行帮扶,避免学生留级、退学,有效地提高了高职院校的学生管理、教学质量和毕业就业。     

基于数据挖掘的财富指数提取

基于国家统计局的调查数据,通过数据挖掘技术对判断人们财富状况的关键因素进行了分析,提取了若干我们称之为财富指数的指标,得到了比较符合实际的结果.     

基于支持向量机的上市公司财务危机预警研究

以2002—2005年在沪深两市挂牌交易的87家ST上市公司及102家非ST上市公司为样本,采用公开发布的财务报表中的相关数据,运用支持向量机模型进行了实证研究.研究表明,在小样本数据条件下,与其他预警模型相比支持向量机模型预测精度远远高于其他方法,具有其他方法所不具有的优越性.     

基于支持向量机的上市公司财务危机预警研究

近年来,我国经济飞速发展,但也存在影响经济发展的因素,它可能使企业陷入财务危机,因此非常有必要建立财务预警系统。本文通过建立支持向量机预警模型对财务困境进行预测,经实证研究得知该模型对检验样本的预测正确率为82.5%,说明支持向量机方法对上市公司的财务危机具有较好的预测效果。     

基于支持向量机的化工企业安全预警模型研究

针对物料危险性大、工艺过程复杂、极易发生爆炸为特点的化工企业,结合近5年事故调查报告,提出了建立化工企业安全预警指标体系与预警模型.以支持向量机(SVM)模型为基础,交叉验证最佳参数并对实验企业进行预警,使企业能正确识别和把握风险,以事前控制的思想降低企业风险.结果表明,运用SVM模型进行化工企业安全预警具有较高的准确性、可操作性和推广价值.同时,总结了SVM模型预警得出低风险企业所具有的共性,这对化工企业管控风险的实践具有重要指导意义.     

基于支持向量机工程施工风险预警研究

本文从我国工程施工风险现状出发,分析了工程风险影响因素,建立了支持向量机的工程风翔预警模型,收集了15个实际工程数据,并运用模型进行对风险进行预测,结果验证了模型的有效性。     

基于数据预处理技术的学生成绩预测模型研究

随着信息技术的不断发展和教育数据的大量累积,教育机构对于教育数据的挖掘和改善挖掘效果的需求越来越大.在本文中我们探索用离散化方法和少数类样本合成(SMOTE)过采样化技术配合神经网络(neural network)算法和支持向量机(SVM)算法如何提高预测学生最终课程表现模型的准确率并对比几种离散化方法的表现.从实验结果中我们得出使用离散化和SMOTE技术进行预处理后能够显著地提升模型的预测能力,其中使用等频率分箱法进行离散化处理数据集的模型表现最佳.     

基于粒子算法和支持向量机的财务危机预警模型

基于特征集的选择、核函数参数的优化对支持向量机(SVM)模型的预测性能有着重要的影响,提出了一个粒子算法-支持向量机(PSO-SVM)模型.该模型采用PSO对特征集和核函数参数同时进行优化,从而提高SVM模型的预测结果.将所提出的PSO-SVM模型应用到财务危机预警中,取得了较佳的预测结果.     

基于关联规则的成绩预警模型研究

近年来,随着我国高校招生规模的不断扩大以及不断提高的信息化程度,在各学校的教务系统中普遍储了大量的资料、数据等信息.在这些资料和数据等信息中,内在隐藏了大量的、有价值的内在规律.数据挖掘技术是从大量的、随机的数据中找出隐藏在其中的、有价值的信息的过程.该文提出了一种基于关联规则挖掘的成绩预警模型.     

基于海量数据挖掘的个性化推荐系统

目的建立海量数据环境中具有个性化的推荐系统。方法在普通文献推荐系统的基础上,增加基于链接页面的Pagerank计算,从而更精确地表示查询页面相对于特定用户的查询价值。结果结合了基于页面内容的查询方法与基于链接的查询方法的优点。结论具有一定的研究价值,值得在未来的研究工作中加以完善。     

基于数据自组织挖掘的机械设备状态退化预警方法

在设备状态监测过程中引入数据自组织挖掘思想,建立一种设备状态退化预警方法。采用隐马尔科夫模型(HMM)对设备的早期退化状态进行准确辨识和评估,并进一步建立设备退化过程的自组织预测模型。案例分析中将该方法应用到旋转机械轴承运行状态退化的预警过程中。结果表明,基于自组织数据挖掘的设备状态退化趋势预测方法预测效果准确、客观性强,预测值与实际值的拟合程度高,相对误差仅为3.1%。新方法能够预测设备未来时间段的退化状态及其发展趋势,提前给出预警信息,有效地制定预知维修计划,及时采取预防措施,防止因设备突发失效引起非计划停机造成生产和经济损失。     

基于主动学习的SVDD预警技术

针对当前的主要预警方法的问题,提出基于主动学习的支持向量数据描述预警技术,并给出了该技术的实现过程.该技术利用支持向量数据描述解决了缺少预警警兆数据的问题,利用主动学习解决了正常样本和待测样本数据量大的问题,以某地区的宏观经济运行预警系统为例,证明了该技术的有效性.     

基于Fuzzy AHP的煤矿企业安全危机评估与预警

从人的行为、物质、环境三维视角,分析了导致安全事故的主要原因,构建了煤矿企业安全危机预警评价指标体系.基于评价指标具有不确定性、随机性和模糊性等特点,采用模糊层次分析法(Fuzzy AHP)建立了煤矿企业安全危机模糊综合评价模型.模型中采用层次分析法确定各参数指标的权重,采用专家打分法确定安全危机因素评判模糊集,采用模糊综合评价法,探讨了多层次下危机等级的确定方法,由此可对煤矿企业进行安全危机评估与预警.以湖南省某煤矿企业为例进行了实证分析,结果表明该煤矿企业安全的总体状况较好.该理论与方法可为煤矿企业安全防范与预警提供一种有效途径.     

一种基于数据挖掘的隐私保护方法

在数据挖掘隐私保护进行协作数据分析时,部分数据集可能分属不同的数据对象,处理时就需要采取不同的数据失真方法.提出了一组全新的数据失真优化策略,通过将属性划分与奇异值分解法(SVD)、非负矩阵因子分解法(NMF)、离散小波变换法(DWT)相结合,运用4种方案对隐私保护原始数据集的子矩阵进行扰动,并用一些衡量指标来衡量这些策略的效果;利用基于支持向量机(SVM)的二元分类来进行数据实用性的检测.结果表明与数据失真单策略相比,新提出的方案在实现数据隐私和数据实用性的良好平衡方面效果十分显著,为协作数据分析提供了可行性解决方案.     

基于数字孪生的航班保障预警系统

为了提高航班和保障车辆的安全性,本文提出了一种基于数字孪生的新型航班保障预警系统架构。数字孪生系统中包括实际机场、赛博空间的仿真模型以及实时数据。系统可以根据当前作业状况,预测保障活动未来会出现的风险情况。文章中详细介绍了航班保障的规则,仿真模型的设计开发,如何实现保障车辆和航班数据的实时采集,以及潜在碰撞风险的预测。为了验证预警逻辑和算法的有效性,在Anylogic平台进行系统开发和仿真实验,实验结果表明本文提出的架构可以对车辆和航班进行提前预警,保障运营安全。     

基于随机森林和支持向量机的分类特征选择

由于数据具有海量、高相关性和非线性的特点,所以如何选择原始数据的本质特征,是关系到能否有效提高问题分类器推广能力的关键问题。本文讨论了目前基于所有特征以及词袋和词序列袋的特征选择方法,提出了采用随机森林和支持向量机(SVM)相结合的方法来进行特征选择。实验证明,此方法能够有效地选择分类特征,从而提升问题分类的效率和精度。     

一种基于分类精度的特征选择支持向量机

在综合序列前向选择(sequential forward selection,SFS)方法和广义序列前向选择(generalized sequential forward selection,GSFS)方法的基础上,提出了基于分类精度的特征选取(sequential forward selection based on classification accuracy, CA-SFS)方法。它依次改变GSFS方法中的r值,并以支持向量机(support vector machine,SVM)作为分类器,将得出的分类精度作为准则函数对特征进行取舍。仿真实验表明CA-SFS算法不但选择了较少的特征,而且取得了较好的分类效果。     

用组件模式对数据挖掘算法中的SVM研究

介绍了算法组件的设计思想，在组件模式下实现支持向量机算法的模型结构的过程，通过支持向量机算法来实现算法组件的过程，并分析了组件模式下支持向量机算法存在的问题。     

基于多目标蜂群算法的数据分类方法

为了保证运算时效的同时,提高复杂数据的分类精度,提出了基于多目标蜂群算法和极限学习机的数据分类算法。该方法以最小的特征个数和最高的分类精度为优化目标,利用改进的多目标蜂群算法对数据的特征个数和分类器参数进行寻优,针对多个有代表性的数据集进行仿真,结果表明所提出方法的有效性。