基于双支持向量机的偏二叉树多类分类算法

提出一种基于双支持向量机的偏二叉树多类分类算法,偏二叉树双支持向量机多类分类算法.该算法综合了二叉树支持向量机和双支持向量机的优势,实现了在不降低分类性能的前提下,大大缩短训练时间.理论分析和UCI（University of California Irvine）机器学习数据库数据集上的实验结果共同证明,偏二叉树双支持...     

基于单例模式的优化图型决策模型构造

对决策支持系统实现中的优化图型决策器进行了探讨,建立了优化图型决策系统模型。并阐述了利用面向对象的方法及JAVA工具,在医疗疾病诊断决策专家系统实现中基于单例模式的优化图型决策器模型的具体构造方法。     

金刚煤矿综采支架工作阻力的确定

综采支架工作阻力的大小,直接决定着综采支架的架型和质量,关系到矿井的生产和安全,影响到矿井的经济效益和社会效益.运用国内外对支架阻力的计算方法,借助相似模拟试验,确定了金刚矿3115工作面综采支架工作阻力为2400kN.现场使用效果表明:使用综合机械化开采经济效益和社会效益明显,不过在确定液压支架工作阻力时,应充分参考...     

混沌时间序列的LSSVM预测方法

结合相空间重构理论,提出运用最小二乘支持向量机(LSSVM)建立混沌时间序列的预测模型,并用粒子群优化(PSO)解决LSSVM参数寻优的问题.通过与RBF神经网络构建的预测模型相比较,计算预测模型的均方根误差来评价模型的性能.结果表明:采用PSO优化的LSSVM预测模型的预测精度更高.     

基于支持向量机的机械设备状态趋势预测研究

提出了用支持向量机对机械设备状态趋势进行预测的新方法,构造了相应的支持向量回归机,并分别用仿真数据和实际数据对其性能进行了验证．将该支持向量回归机应用于某机组振动信号的预测,采用径向基核函数和合适的参数,使该向量回归机对振动量峰峰值的单步预测误差小于2％,24步预测误差小于5％,表明该算法对机械设备的运行状态趋势具有较好的预测能力．     

巨厚砂岩顶板弱化下矿压显现特征

 以某矿210108 综采工作面为研究对象,针对工作面顶板较坚硬、不易自然垮落的特点,为得到该条件下的矿压显现特征,制定了巨厚砂顶板深孔爆破弱化条件下的现场矿压观测方案。通过对实测数据及现场矿压日报的整理分析,对采场矿压显现特征、顶板活动规律和超前支承压力分布规律进行了研究,并分析了初次来压和周期来压期间支架载荷的变化情况。结果表明,通过掌握坚硬顶板弱化条件下的矿压显现规律,对指导工作面安全高效开采具有重要意义。     

支持向量机学习方法的选择与应用

介绍支持向量机中的核函数及其参数的选择和相关应用技术，以及SVM的应用研究。在不同的学习方法下进行了仿真实验，并对4种不同方法的分类特性进行了对比分析，给出了在不同模式识别问题中不同方法的选择条件。     

公路隧道Ⅲ级围岩初期支护的可靠性分析

采用有限元法建立模型,分析复杂地质条件的马鞍子梁公路特长隧道。依据岩性和初期支护参数,计算锚杆抗拉力系数、围岩抗压力系数、喷层混凝土受力系数及结构安全系数,结果表明,初期支护的结构可靠度系数为1.19,达到稳定性要求,可获得稳定的整体结构。     

基于支持向量机的P2P流量管理模型设计

对P2P的网络流量进行识别是P2P研究领域中的一个重大难题,为了实现对其管理,提出了一种基于支持向量机(SVM)的P2P流量分类管理模型.首先获取P2P网络流量数据,然后将获取的样本数据输入SVM并对SVM进行训练,最后将测试样本数据输入SVM进行P2P流量分类管理.仿真实验证明了该方法具有较高的检测率和较低的漏报率.     

基于子空间选择的SVM快速算法及其在医学图像奇异点检测中的应用

支持向量机（SVM）花费大量时间用于对非支持向量样本的优化．根据支持向量都是位于两类边界的靠近分类超平面的样本点，本文提出首先利用基于中心距离比值法排除大部分远离分类超平面的样本，然后以最小类间距离样本数作为测度进一步选择边界样本．得到包含所有支持向量的最小样本集，构成新的训练样本集训练SVM．将提出的算法应用于解决医学图像奇异点检测问题．实验结果表明．该算法减小了训练样本集的规模，有效地缩短了SVM训练算法的时间．同时获得了较高的榆出率．