混沌支持向量机优化小波加权多模盲均衡算法

为了提高均衡器对高阶QAM信号的盲均衡性能,提出了基于混沌支持向量机优化的 小波加权多模盲矽衡算法.为避免权向量陷入局部极小值点,该算法利用支持向量机对均衡器的权向量进行初始化,并用混沌优化算法对支持向量机参数进行优化;利用正交小波变换对均衡器的输入信号进行预处理,来降低输入信号的自相关性;采用加权多模算法来调整权向量迭代过程中的模值.水声信道的仿真结果表明,与加权多模盲均衡算法和小波加权多模盲均衡算法相比,该算法具有较快的收敛速度和更小的稳态误差.     

乳腺X线图像结构扭曲检测的一种新方法

乳腺X线图像中结构扭曲的检测是乳腺癌诊断的重要手段之一.针对结构扭曲检测假阳性高的问题,运用系统工程原理, 本文提出了一种新的结构扭曲检测方法.该方法通过计算毛刺相似度收敛指数增强放射状毛刺,并利用三环区域模板和收敛门限得到可疑区域,最后使用支持向量机对可疑区域分类.该方法在Mini-MIAS (mammographic image analysis society)图像数据库的64幅乳腺图像和北京大学人民医院乳腺中心50幅临床乳腺图像上进行了验证,实验结果表明, 本文提出的方法能有效地降低假阳性,并且同时适用于东西方女性乳腺图像.     

复杂作用关系过程的区域显著性实验设计及全局建模方法

针对参数与质量特性之间作用关系复杂过程的参数优化,提出一种基于质量特性变化显著程度的序贯设计及全局建模方法. 首先以均匀设计为基础, 将其拆分形成一系列的设计点集和添加点集; 其次利用初始设计点集建立过程的支持向量回归(SVR)模型, 并对建模样本点进行Ward聚类, 由此将可行域划分成若干子区域, 并以各子区域支持向量的比率反映该子区域质量特性变化的显著程度; 而后以欧氏距离为判别依据, 将添加点集中的实验点划分至合适的子区域, 根据"子区域间区别对待, 子区域内均匀分散"的原则, 调整各子区域内添加实验点的数目, 在支持向量率较高的子区域添加较多实验点; 上述步骤迭代进行直至满足终止准则, 再拟合过程最终的SVR模型. 仿真与实证研究表明, 与基于"均匀分散"原则的传统均匀设计和超拉丁方抽样相比, 所提方法的实验设计效率与模型性能均有较大提高: 实验点可以有针对性地集中分布于质量特性变化较为显著的子区域, 模型预测误差降低了29.8%以上, 而且能够以较小的样本量发现过程的多个极值, 得到更优的参数优化结果.     

最小二乘支持向量机在API预测中的应用

传统的空气污染指数预测模型大多是以影响空气污染指数的重要气象因子作为输入,使用BP神经网络进行建模,模型的预测精度低且收敛速度慢.针对空气污染指数时间序列的非线性及多分辨率特性,提出了一种空气污染指数的最小二乘支持向量机预测模型.首先利用小波变换对原始的空气污染指数时间序列进行多尺度分解,以各尺度上的小波单支重构序列和重要的气象因子作为输入,然后使用该模型对兰州地区的空气污染指数进行了预测,最后讨论了模型参数的优化方法并使用网格法对两个参数进行了优化.仿真结果表明,与传统的BP神经网络预测模型相比,该模型具有更高的预测精度、更快的收敛速度及更好的稳定性.     

向量映射的非线性标量化函数的性质及应用

引入了拓扑向量空间上向量映射的标量化函数的概念,证明了向量函数的下(上)半连续性和凸性可以遗传给对应的标量化函数.利用这些性质得到向量优化问题弱有效解存在的充分条件.     

基于多分形分析和主动学习反馈算法的图片垃圾邮件过滤

图片垃圾邮件通常由随机变形技术制作,人眼认为内容相同但计算机认为不同,导致常规反垃圾邮件技术 无法阻止这类垃圾邮件.根据图片垃圾邮件必然具有相似性、大量性和可变性的特点,提出了一种综合多向小波金 字塔多分形分析算法和主动学习反馈驱动半监督支持向量机算法的创新图片垃圾邮件过滤方法.实验结果表明, 该方法容易与常规反垃圾邮件系统相结合,而且该方法的效率高、准确性好、假阳性低,通过重复训练,可进一步 提高准确性、降低假阳性,适合用于对抗性学习和垃圾邮件过滤     

三阶非线性向量微分方程奇摄动边值问题解的高阶近似

研究三阶非线性向量微分方程奇摄动边值问题,在适当的条件下,利用边界层校正法和对角化技巧,证得解的存在性并给出解的任意阶的一致有效的渐近展开式.     

基于随机森林和单类支持向量机的电信行业客户流失预测

针对电信行业客户流失问题,使用随机森林方法建立了初步的预测模型,对比电信行业原用的各种预测模型,其准确率有明显改善;针对模型特征维数众多的特点,进一步提出基于随机森林和转导推理的特征提取方法,对数据集进行降维,并引入单类支持向量机(support vector machine,SVM)算法得到最终的预测模型.实验表明,流失预测模型具有更高的预测准确率以及针对预测结果的部分可解释性.     

基于WLLE和SVM的植物叶片图像识别方法

针对局部线性嵌入(LLE)算法易受噪声影响,以及最近邻分类器不能有效识别植物叶片图像,提出一种基于加权局部线性嵌入(WLLE)和支持向量机(SVM)的植物叶片图像识别方法.首先利用WLLE算法对预处理后的含有高斯噪声叶片图像进行特征提取,然后采用SVM分类机制对叶片图像进行训练和识别,最后在真实的植物叶片图像数据库中提取植物叶片图像进行分类实验.实验结果表明该方法能提高叶片图像的分类率.     

几类向量值极大极小不等式(英文)

利用线性标量化函数和实值的极大极小定理,在自然拟凸和真拟凸假设下,证明了几类向量值函数极大极小不等式,并给出了一个例子说明定理结论是是相关文献结果的推广,