支持向量机训练及分类算法研究

支持向量机(SVM)是在统计学习理论基础上发展起来的一种新的数据挖掘方法,已广泛应用于模式识别与回归分析等领域。针对一些主要的SVM训练算法,比较它们的特点,阐述其中最有代表性的序列最小优化(SMO)算法及其多种改进算法,还讨论一些典型的支持向量机多分类算法及支持向量机多标注算法。最后,指出亟待解决的一些问题。     

氧化铟锡薄膜电阻温度曲线中的滞后现象

用电子束蒸发技术在玻璃衬底上制备氧化铟锡薄膜,并在500℃下氮气氛围中退火1 h.将退火后的薄膜用光刻技术形成一个M型规则线图,并记录连续4轮由室温升至400℃,接着降至室温过程中样品的电阻变化.测量数据显示,电阻温度曲线在温度上升和下降阶段存在滞后现象.结合半导体载流子输运理论建立模型,与降温实验数据拟合程度很好,但当用来解释升温数据时却存在明显的偏差.由降温过程的数据计算得到氧化铟锡的电阻温度系数在温度大于380℃后趋于+1.393×10-3/℃,同时给出了氧化铟锡薄膜的激活能.     

再测序DNA微阵列的等长变覆盖探针设计方法

针对再测序DNA微阵列的寡核苷酸探针设计,提出了2种等长变覆盖的方法: ①基于Tm距离的探针优化方法,从冗余探针集中逐步删除具有最大Tm距离的探针;②应用遗传算法,将候选探针集编码为染色体,通过选择、交叉和变异等遗传操作得到最大适应度的探针集.这2种方法,都能在探针长度相等的情况下,通过改变相邻探针之间的覆盖度使探针的Tm值尽可能保持一致.实验结果表明:等长变覆盖法得到的探针集整体优于等长移位法和变长变覆盖法的结果,具有更好的杂交条件一致性.     

支持向量机的算法研究

支持向量机(support vector machine,SVM)是20世纪90年代发展起来的一种新型机器学习方法,是在统计学习理论基础上发展起来的一种新的数据挖掘方法,已广泛应用于模式识别与回归分析。并已成为国际机器学习界的研究热点。本文主要讨论其基本原理与SVM训练算法。     

徐变效应的位移分析法

位移法分析超静定结构徐变效应的关键是求单元的徐变固端力.本文根据徐变分析的力法和虚功原理,推导出杆系结构一次加载的单元徐变固端力计算公式,发现单元的徐变固端力是杆件的徐变系数和弹性杆端力的函数。根据推导出的公式,用FORTRAN语言编制了结构徐变分析的位移法计算机程序,并对一个框架算例进行了徐变分析.结果表明,结构各部分的浇筑时间差和持荷时间对结构的受力和变形影响很大,在实际工程设计中不能忽略徐变对结构的影响.