文本分类中支持向量机研究

随着我国现代科技的快速发展,文本分类逐渐在信息化技术与数字化技术领域得到重视。利用计算处理系统处理文本信息,能够有效提升文本分类的质量与效率,提升数据信息的利用率,从而促进信息化技术的普及。而支持向量机是处理文本内容,加强文本分类速度,并通过文档建模、中文分词、分类器评估等形式,构建出的行之有效的统计语言模型,它可以推动文本分类工作的发展。本文结合国内外研究现状,探析文本分类内涵及支持向量机原理,提出基于支持向量机的文本分类算法。     

基于支持向量机的文本分类技术研究

介绍了文本分类的基本过程,讨论了常用的文本分类方法如K-最近邻分类算法K-NN(K-Nearest Neighbors,K-NN)、朴素贝叶斯分类算法NB(Naive Bayesian Classifier,NB)、决策树分类算法DT(Decision Trees,DT),并探讨了基于支撑向量机SVM(Support Vector Machines,SVM)的文本分类基本原理及方法.     

利用循环平稳性检测和支持向量机的调制信号分类

非合作接收条件下调制识别算法预处理要求高,分类集有限,为此提出一种基于循环频率特征和支持向量机的调制分类方法. 利用信号循环累积量的循环频率为分类特征,不必进行参数估计和同步等预处理,在缺乏先验知识条件下对FSK、PSK、QAM、OQAM、CPOFDM、ZPOFDM等常见调制信号具有良好的识别效果. 该方法提升了盲接收环境下的分类效果,扩大了分类集. 理论推导和计算机仿真表明,该方法能有效提升非合作接收条件下的盲分类性能.     

基于粗糙集与支持向量机的Web文本分类

Web文本分类是Web数据挖掘的一个重要研究方向,它是在通过经验数据训练得到的分类体系下,根据网页的文本内容自动判别网页类别的过程,本文提出一种综合粗糙集与支持向量机的Web文本分类模型,利用粗糙集的属性约简方法,减少支持向量机训练数据的维数,提高Web文本分类的性能与效率．     

基于级连式支持向量机的文本自动分类算法

为了解决文本自动分类问题,从解决支持向量机模式支持限制问题入手,以级连概念为指导思想,构造了多层级连式支持向量机模型,提出一种文本自动分类算法,以便处理多个模式的分类问题。由于支持向量机本质上是一种非线性数据处理工具,对于复杂的两类模式分类问题已表现出良好的适应性,而且支持向量机用于模式识别不存在局部极小值问题,且不需进行网络迭代训练,求解速度明显高于神经网络。通过以CNKI文档数据为例进行算法实践,试验结果表明支持向量机用于模式分类的实现步骤比较简单,不需要长时间的训练过程,只需根据初始样本在空间的分布特性求解最优超平面(即找出支持向量),进而确定决策函数,然后即可泛化推广识别其他待识别的同类样本。     

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.     

改进支持向量机分类方法及其在原发性肝癌筛查中的应用

为了尽早检测出原发性肝癌患者,辅助医生进行医疗决策,提高患者临床疗效,提出一种基于临床常规检验指标的筛查方法。该方法使用支持向量机建模,采用差异进化算法进行参数优化,以接收者操作特征曲线下面积的值作为模型评价测度,将得到的最优模型用于检验数据识别,以判断该数据属于健康、良性病变还是原发性肝癌。此外,还根据临床需求绘制分类模型的性能指标曲线和阈值查找表,由用户选择阈值,使预测性能进一步提升。实验结果表明：与其他5种分类方法相比,该方法建立的模型具有更好的性能,其准确度可达0.94,Kappa系数可达0.90。研究结果可辅助医生进行原发性肝癌早期筛查,提高患者长期生存率。     

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．     

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.     

模式识别——线性规划调优法应用于F-53调聚剂合成反应

将模式识别和线性规划相结合,对F-53调聚剂合成反应的物料配比、工艺参数进行优化:以多维空间图形处理技术得出的判别方程作目标函数,可以确定各参数的优化方向和最佳组合.调优后调聚剂的得率由43％提高到57.6％,且该方法对降低原料单耗、产品成本都具有很大潜力.     

一个不等式及其在四元数矩阵中的应用

本文首先证明了一个不等式，应用它改进了近年来有关复矩阵和四元数矩阵行列式估计的一些重要结果．同时还推广了许多著名不等式．     

图库中光栅与矢量化技术的应用研究

通过产库中光栅与矢量化应用技术的分析和研究,合理有效地利用扫描技术实现“甩掉图纸”的目标,进而实现真正意义上的电子图档管理。     

油菜叶露尾甲空间分布型的研究及其应用

应用 3种检验分布型的方法分别检验了油菜叶露尾甲的分布型 ,结果表明 :油菜叶露尾甲卵和幼虫在蒙原小油菜和大黄芥上的空间分布型均呈聚集分布 ,分布的基本成分是个体群。应用 Iwao模型中的参数估计了田间调查时的最适抽样数 ,建立了资料代换的计算公式     

基于支持向量机的多特征选择目标跟踪

目标判别跟踪方法一般以单一跟踪结果(正样本)和部分负样本训练分类器,并只用单一的特征描述目标,因此在目标发生遮挡、光照变化、形变等情况下很容易导致跟踪的失败. 为了克服单一正样本和单一特征训练的分类器导致跟踪不稳定的问题,提出一种基于支持向量机的多特征描述、多个正负样本进行分类器训练的目标跟踪方法,用训练分类器对所有候选粒子的不同特征进行判别和选择,并将具有最大置信概率的粒子确定为跟踪结果. 在跟踪过程中,利用子空间学习的方法实现正样本的更新,并以更新后的正负样本训练分类器. 实验结果表明,该方法在目标存在遮挡、光照变化、形变等情况下均可以取得较好的跟踪效果.     

最小耗能率原理及其在固体力学中的某些应用

本文提出并证明存在着一个最小耗能率原理,即“在线性非平衡系统中发生的任何耗能过程.都将在相应约束条件下以最小耗能的方式进行”.根据这个原理,完成了对这样三个问题的讨论,即塑性力学中建立塑性位势理论的理论依据、断裂力学中Griffith断裂准则的推导和现代连续介质力学中的内变量演变方程的建立.这些结果可以认为是对这个原理正确性的一种验证.同时还指出,最小耗能率原理将人们已感觉到的大自然的节约法则,提到了一个理性认识的高度.可以预料,由它出发还可能导出更多的有用结果.     

吴文俊消元法及其在非线性偏微分方程求解中的应用

本文简要介绍近年新发展的一种求解非线性代数方程组的理论方法——吴文俊消元法及其在非线性偏微分方程准确解研究中的应用范例。吴方法已在定理机器证明以及数理科学、系统科学、计算机科学等领域的前沿课题和高新技术的研究中获得了成功的应用，它有着广阔的应用潜力和发展前景。     

毛纺厂绳状洗呢机定水量清洗数学模型及应用

运用流体力学与管路计算的理论方法进行绳状洗呢机定水量清洗的模型辨识,改变了以往绳状洗呢机单一的定时清洗工艺,可节约软水资源,降低排污。