基于SVM的CVE漏洞分类框架构造

针对CVE字典缺少分类和归纳能力,无法为多重系统漏洞设计有效防御策略的局限,提出了CVE分类器的CVE漏洞分类框架.该CVE分类器根据不同的分类特征对CVE进行分类,在支持向量机的帮助下,CVE分类器自动地从相关的漏洞数据库（包括BID,X-Force和Secunia）中抽取训练数据,并基于该训练数据为分类特征建立学习模型.     

基于密度法的模糊支持向量机

针对支持向量机对训练样本内的噪音和孤立点特别敏感、极大地影响了支持向量机分类性能的弱点，提出了一种基于密度法的模糊支持向量机，在支持向量机中引入样本密度模糊参数，从而减弱了噪音以及孤立点对支持向量机分类的影响．实验结果证明，在抗击孤立点和噪音点的干扰方面，上述方法优于类中心向量方法以及类中心点距离方法，取得了很好的效果．这一方法大大提高了支持向量机分类的泛化能力，从而大大提高了支持向量机的应用范围．     

复杂价值工程（CVE）在高速公路路基施工中的应用

本文基于复杂价值工程（CVE）的原理和方法，来开展高速公路建设设计施工优化分析，并基于一个案例：高速公路基础厚度大于等于1米的两套施工方案进行比较研究，最后运用价值工程理论对两套方案的价值系数进行比较研究，得出其中一个较好的优化方案，从而达到降低工程成本及保证施工质量和进度的目的。     

零件分类编码系统信息浅析

本文阐述了零件分类编码系统在成组技术中的重要性，并从编码分类系统的结构、信息源、译码机能等方面对常见的几种分类编码系统的信息进行分析。     

一类p(x)-Laplace方程径向正解的奇异性

给出了一类ｐ（ｘ）－Ｌａｐｌａｃｅ方程径向正解的分类和奇异解的存在性。     

基于ART神经网络的房地产物业市场的聚类分析

房地产物业市场的准确分类是房地产开发决策和控制风险的前提和基础．针对传统的以回归分析、模糊聚类为主的方法存在建模困难、计算繁琐、适应性弱等缺点，提出了基于ART神经网络的房地产物业分类方法．该方法避免了繁琐的建模过程，简化了分类计算，同时由于其无监督学习的特性，使其具有很强的适应能力．同时本文还以杭州市房地产市场为例，论证了方法的合理性和可行性，并探讨了其实际应用的潜力和措施．     

浅谈《中国图书馆分类法》（五版）计算机应用软件（TP317）类的修订

介绍了《中国图书馆分类法》（五版）计算机应用软件（TP317）类的修订情况,分析了计算机应用软件（TP317）类设置中存在的不足,结合分类标引工作的实践,探讨了改进计算机应用软件（TP317）类设置的具体措施。     

结合星载激光和多光谱影像的城市树种分类

城市树木种类是影响城市森林固碳能力和维持生态系统稳定的重要因素,但城市树木空间分布广泛、所处环境复杂,目前缺少适用的树种分类模型,因此尝试将星载激光引入树种分类。综合考虑植被冠层结构、水平光谱与空间环境特征,并通过特征空间分析定量度量各参数贡献以构建最优特征集合,最后利用支持向量机（SVM）算法建立结合星载激光与光学影像的城市树种分类模型。上海市内4个代表性区域树种分类实验结果表明,所构建的融合模型准确性较高,Kappa系数达到0.82,总体分类精度为87.04%。星载激光能够在城市树种分类中发挥重要作用,其表征的植被三维结构特征与空间环境特征一同对城市树种分类做出了突出贡献。     

PLC在传输/分类控制系统中的应用

介绍ＰＬＣ在传输／分类控制系统中的应用,详细说明该系统的ＰＬＣ梯形图编程     

影响南安的台风客观分类研究

文章采用热带气旋年鉴、本站的观测资料和NC资料,对1960～2008年49年的台风进行研究,统计得出影响南安台风的气候特征、影响南安台风的分类、不同类型的台风对南安市造成的风雨影响情况和早、晚台风影响时南安的风雨影响情况。     

基于视频区域特征及HMM的体育视频分类研究

提出了一种基于视频区域特征的体育视频分类方法.首先将帧分块,对块亮度均值大小进行比较得到块亮度比较编码信息BICC,以及对视频帧各块的颜色分量进行统计得到块颜色直方图;再利用这些特征通过SVM对体育视频进行分类;最后利用一阶HMM对SVM的输出结果进行后处理,得到视频的最终分类结果.实验结果表明,方法对于体育视频分类的效果较好.     

基于支持向量机的结霜过程特性参数预测模型

为解决结霜过程中有明显的非线性和时变性特征及测试数据中受噪声干扰较大、特性参数预测效果较差的难题,引入了基于结构风险最小化的支持向量机方法,建立了以热力参数集、时间、空间等为特征向量的预测模型.应用实验数据对模型进行了验证和评估,并与基于最小二乘法的预测模型进行了对比分析.结果表明,基于支持向量机的预测模型具有良好预测性能、非线性逼近能力和抗噪声干扰能力.     

构造特征复杂性减低的支持向量机

支持向量机(SVM)较一般的机器学习方法显示出更好的泛化能力.然而,在实际的数据中经常存在着大量冗余、噪声或者不可靠的特征,这严重影响到SVM的性能.因此,有必要减低特征复杂性以获取更好的SVM结果.本文提出了一种基于遗传算法(GA)的嵌入式框架下的特征优化算法,以构造改进SVM.针对选择的UCI成人数据库的实验表明,与原始的SVM相比,提出的改进SVM方法获得了更少的支持向量数目和更好的分类精度.     

支持向量机在混凝土强度预测中的应用研究

支持向量机是基于统计学习理论框架下的一种新的通用机器学习方法.文中提出了基于支持向量机的混凝土强度预测方法,并在MATLAB中编制了相应的支持向量机程序,建立了相应的混凝土强度预测模型.以实例数据为学习样本和测试样本讨论了基于支持向量机的混凝土强度预测方法及可行性.研究表明支持向量机可以较好地表达混凝土强度与其影响因素之间的非线性映射关系.用支持向量机来预测混凝土强度是可行的,它为预测混凝土强度提供了一种新的方法.     

应用支持向量机的交通流状态预测方法研究

支持向量机（support vector machine,sVM）是近年来出现的立足于统计学习理论（statislical learning theory,SLT）的VC维理论和结构风险最小化原则基础上的机器学习方法,在数据挖掘及分类中具有特点和优越性．为了提高交通流状态预测的精度及效率,研究支持向量机应用于数据泛化及分类的方法,并建立模型,在实测数据的基础上进行交通流状态的判定及预测．实验结果表明该方法学习及预测速度快、效率高,并且误差可控,具有较高的精确度（本文中实例精度高于95％）,应用前景广泛．     

基于粒子群-支持向量机的时间序列分类诊断模型

构建一种基于粒子群算法-支持向量机(PSO-SVM)的磁共振功能成像(fMRI)时间序列分类诊断模型,通过针对脑区多维时间序列数据的深层次分析实现病症患者和健康者的准确判断与区分,为面向fMRI时间序列数据的病症诊断和预测提供有效科学依据.该方法在以下4个方面不同于其他已有相关研究工作:(1)构建基于自回归模型的脑区多维时间序列数据特征表示;(2)构建基于支持向量机模型的脑区多维时间序列数据分类机制;(3)构建基于粒子群算法的分类学习参数寻优策略;(4)建立融合上述特征表示、优化分类与参数优选模式的fMRI时间序列数据分类诊断模型.通过以精神抑郁症作为实证分析的具体案例,所提出分类诊断模型已取得良好实验效果,展示出其有效性与合理性.     

基于PSR和SVM方法的化工过程单变量故障诊断

基于相空间重构(SPR)和支持向量机(SVM)算法本文提出了一种利用单一变量进行化工过程故障诊断的方法。首先进行变量筛选,然后对筛选出的关键变量进行相空间重构,再利用SVM对重构后的数据进行故障分类。通过对TE(Tennessee Eastman)过程几类故障进行仿真测试,结果表明在单一故障和多故障情况下,本方法均可实现化工过程的单变量故障诊断;与传统SVW方法相比,相空间重构可有效提高诊断正确率。此方法可为建立简单而有效的单变量故障诊断系统提供理论依据。     

质量预测及故障诊断建模过程中非线性特征提取

工业生产的质量预测及故障诊断建模过程中所涉及的特征数目大、复杂性高、非线性突出,造成了模型维数过高、时间复杂度高、计算精度下降.针对上述问题,提出了一种基于核主成分分析和粗糙集的特征提取方法,首先使用核主成分分析进行特征提取,再对提取出的特征用粗糙集进行约简,介绍了该方法的原理和具体实现步骤.并以某玻璃厂锡槽作业工艺为背景进行仿真实验,应用实际生产数据建立支持向量机的故障诊断模型,将应用核主成分分析、粗糙集及所提方法提取出的特征输入SVM诊断模型.对比三种方法的实验结果表明,基于核主成分分析和粗糙集的特征提取方法提取出的特征更优.     

基于PCA和LS-SVM的软测量建模与应用

针对工业过程中某些重要过程变量难以实现实时在线检测和高维数据处理的问题,提出了将主元分析与最小二乘支持向量机相结合的软测量建模方法,并利用该方法建立了工业阿维菌素发酵过程中的菌丝浓度软测量模型.主元分析方法的引入,有效地提高了最小二乘支持向量机软测量模型的精度和泛化能力.应用结果表明,该方法与基于径向基函数神经网络软测量模型相比具有有效性和优越性.