一种改进的基因表达数据分类方法

从分类算法和特征基因选择两个方面研究基因表达数据的分类,将传统的Support Vector Machines(SVM)算法和K-nearest neighbor(KNN)算法两者结合成为一种应用于基因表达数据分类的算法,并针对基因表达数据分类数据集“样本少,维数高”的特点,提出了一种改进的基于相关性的递归特征消除算法(简称为C-RFE),消除了数据冗余．实验结果表明,新方法可有效提高分类准确率和特征选取的效率．     

一种基于形状特征与SVM的列车故障连接件识别方法

针对货车故障图像检测系统中连接件定位、缺失的问题,提出了一种基于形状特征支持向量机学习模型的定位、识别方法.该方法首先采用门限阈值对灰度化后的列车图像进行处理,以减少外界环境对目标轮廓提取的影响.然后以目标形心为基准,生成识别算法的目标形状描述子,并用直方图对其进行量化处理.最后引入支持向量机完成连接件正/负样本的训练...     

基于SVM分类机的一种DNA序列判别方法

针对DNA序列类别的分属问题,提出采用支持向量机（Support Vector Machine,SVM）的方法进行分类。根据SVM分类器的要求建立特征属性空间,首先由每个DNA中4个碱基的含量得到4个特征属性,然后在此空间中扩充DNA序列长度的属性,最后根据SVM分类器对已知的DNA分类样本做训练得到分类超平面。利用此超平面检测所要分类的DNA序列,实验结果表明这种方法具有很好的分类精度。     

基于区块链的医疗数据可信共享方案

为解决目前医疗区块链对于患者个人隐私及数据安全的不足,借助区块链和密钥交换技术提出一种新的以用户为隐私中心的基于区块链的医疗数据可信共享方案.结合密钥交换技术和智能合约进行数据密钥的验证和可信交换,实现数据安全可信共享和交易双方的权益保护.实验及理论证明,与现有方案相比,该方案具有低消耗和高吞吐率,具有一定的优势和适用性.     

一种基于SVM的主动多分类方法

针对传统的多分类模型学习效率较低,对于复杂的多类别数据无法进行高效分类的问题,提出了一种基于支撑向量机（Support Vector Machine, SVM）的主动多分类方法。该方法通过引入就绪分类器和阻塞分类器的概念,将主动学习的策略用于SVM多分类器的构造过程,在主动多分类过程中随着分类器的不断更新,动态地控制样本是否参与主动学习;从分类器和训练样本数量两方面进行了优化,降低了分类模型构造的复杂度。实验结果表明,本文提出的主动多分类方法可有效提高模型的学习效率和泛化性能。     

SVM算法在Web服务蜜罐日志分析中的应用

为了发现和预防Web服务带来的漏洞,部署一个Web服务蜜罐作为Web服务的应用程序,该蜜罐捕获和处理所有请求消息并且将结果记录在日志文件中.在处理这些日志文件的时候,采用基于SVM算法的机器学习技术对其进行分析和分类,并将异常活动提交给人类专家进行审核和处理.这样大大减少了人类专家的工作量,同时有很高的准确率,更有利于部署更有针对性的网络安全策略.     

一种新的 SVM 决策树

SVM在小训练样本、高维情况下具有很好的泛化性能,但它不适用于多类分类.本文分析基本的SVM和多类SVM分类器,重点讨论了SVM决策树,提出了一种结点分类器类集合划分方案来构造SVM决策树.实验结果表明,以这种方法构造的SVM决策树分类器分类性能较好.     

一种带QoS约束的语义Web服务选择方法

为了对语义匹配产生的Web服务集进行二次选择,提出了一种带QoS约束的语义Web服务选择方法.该方法首先扩展了OWL-S模型中的QoS描述信息,提出了具有服务语义与服务质量描述能力的可扩展的OWL-SQ服务描述模型,以此作为服务质量支持与约束,然后基于决策理论和归一化算法,给出了针对OWL-SQ模型中各种非数值型和数值型质量属性的无量纲化处理方法,提出了QoS匹配矩阵构建算法及服务选择方法,以综合评价与选择最优侯选服务,通过实例测试其性能,结果表明基于OWL-SQ服务描述模型的服务选择方法,提高了服务选择的效率与查准率.     

一种基于QoS约束的Web服务选择和排序模型

提出了一种基于QoS约束的Web服务选择和排序模型,在研究Web服务的三维QoS模型的基础上设计基于QoS约束的服务选择模型,进一步研究服务效能的概念和量化方法并设计基于服务效能的排序模型.该模型的原型系统已经在国家地质调查网格中得到应用,结果表明模型能够有效保障用户对服务的需求,具有很高的查准率、响应率以及较好的负载均衡能力,提高了基于面向服务架构(SOA)的网络应用的可用性.     

一种基于语义的Web数据搜索引擎方法研究

Web网上大量的异构、非结构化的数据使人们难以有效地发现自己所需信息. 通过利用元数据和本体语义特点,借助Web服务技术,提出构建元数据登记库MDR和本体管理系统OMS,在分布式闭包生成基础上进行推理,实现基于本体表示语言RDF特性的Web数据搜索引擎SBWSE,达到分布异构环境下高效发现信息的目的,解决了基于关键词的搜索引擎所表现的查全率和查准率不佳问题.     

基于碱基偏好分析和SVM的植物启动子识别

植物启动子识别是真核启动子识别中的重要研究领域.针对目前植物启动子识别算法的特异性较低的问题,提出了一种基于GC碱基偏好分析和支持向量机（SVM）的植物启动子识别算法.首先通过对GC含量的分析将DNA序列分类为GC偏好序列和非GC偏好序列,然后进行结构特征和信号特征的提取,最后通过SVM分类器进行启动子识别.SVM分类器由四个SVM子分类器组成,即启动子-3’UTR子分类器,启动子-5’UTR子分类器,启动子-Intergenics子分类器和启动子-CDS子分类器.实验结果表明,该算法比其他算法具有更高的特异性,对植物启动子识别具有积极意义.     

基于云同步移动病历本的设计与实现

传统的病历本不能满足现代生活的需要,如何高效地管理来自不同医院的病历是一个问题。介绍了一种支持云同步的移动病历本应用的设计与实现,经过实验测试,该设计稳定可靠,便于用户管理家庭成员病历记录。     

基于育种算法的SVM参数优化

支持向量机(SVM)的学习性能主要取决于参数选择.论文基于育种算法提出了混合算法的支持向量机参数优化模型,即将种子或者粒子所对应的适应度取作交叉验证方法中的测试样本集数据的识别率,构成基于混合算法的支持向量机,并通过数值试验验证了该方法的可行性。     

基于Web Service的多维数据信息集成访问

随着Internet的迅速发展,基于Web的信息交流、共享与协作已成为企业信息化的重要发展方向。本文在解析Web Service的体系结构的基础上,以油气勘探开发领域内的信息资源为主要研究对象,在分析了它的多维度、多层次、结构化特点的基础上,提出了一种基于Microsoft.NET的Web Service技术透明集成访问多维数据信息的架构,分析并给出了该架构中关键的专用XMLWeb Service和数据信息集成XMLWeb Service的实现原理。实践表明,它具有分布异构、健壮、易扩展及简化应用程序开发等特点。     

基于Web Service的空间数据共享与互操作

为了解决当前地理信息系统难以实现空间数据共享与互操作的问题,采用Web服务技术,研究了基于Web服务的空间数据共享与互操作.结果表明:由于Web Service具有优良的跨平台、跨语言的特性,可以利用Web Service对异源、异构的空间数据进行封装,封装后的空间数据统一为Web 服务的形式,从而屏蔽空间数据之间的差异,实现空间数据的共享与互操作.参照OGC的Web Service框架,在.Net平台下,构造了基于Web Service的空间数据共享与互操作的原型系统,该原型系统对空间数据的共享与互操作具有一定的参考价值和指导意义.     

基于SVM的数字水印检测技术研究

在分析现有数字图像水印检测算法的优势和不足的基础上,提出了基于SVM的数字水印检测算法,提供了对图像特征向量进行归一化处理的方法,得到了特征向量约简的数据形式.实验结果表明,基于SVM的数字水印检测方法避免了相关检测算法中依赖于特定嵌入算法的缺点,可实现结构风险最小化,是有效判断图像中是否存在水印的通用检测方法.     

特征组合的中文音乐情感识别研究

音乐情感识别是音乐检索的一个重要组成部分.基于音乐声学特征分析,尝试提取代表音乐声学特性的时域、频域、倒谱域的各种特征,并利用支持向量机(support vector machine,简称SVM)算法对中文音频进行情感分类,以研究不同特征组合在音乐情感分类上的效果.通过对比各种不同特征组合的音乐情感识别效果,发现由4个时域特征、频谱、幅度谱和相位谱组成的音乐特征对中文音乐情感分类的效果良好.     

SVM的特征选择方法在高校就业预测中的应用研究

针对样本和高维数据,研究基于支持向量机的特征选择算法及其在高校就业预测中的应用.利用采集的就业数据,使用SVM方法对数据集进行特征选择,再利用SVM分类器对数据进行已就业和未就业学生的分类,得到了较好的预测结果,为高校就业指导提供了一定的依据.     

企业经营状况分析的多类SVM分类方法

针对现有企业经营状况分析方法普遍存在的过于依赖评价者主观经验的不足,提出了企业经营状况分析的多类SVM分类方法。该方法首先利用动态聚类算法获得样本的类别信息,并利用主成分分析方法对样本数据进行降维,进而利用多类SVM模型实现企业经营状况的评估。由于整个评估方法完全建立在对历史数据分析的基础上,因而较为有效地克服了现有方法的主观性。给出了应用该方法的具体步骤,实际算例验证了该方法的可行性和有效性。     

基于SVM的不同特征空间多分类方法研究

目前,在基于SVM的分解多分类方法中,各个子分类器都采用相同的核参数进行整体优化.如果采用不同的核函数参数分别优化各个子分类器,相当于在不同的特征空间进行分类,此时,能否直接采用求输出最大值(MaxWin)等判别策略,需要研究各分类器的输出是否可比.利用相对间隔对此问题进行深入的研究,说明在基于SVM的"一对多"等多分类方法中,采用不同的核参数分别优化各个子分类器,其决策函数的输出结果仍是可比的,且具有更好的泛化能力.