关于改进的支持向量机的研究

支持向量机是一种基于统计学习理论和对偶理论的分类和函数估计方法,其推广能力强和全局最优的特点引起了学者的广泛关注。本论文对目前所提出的各类改进的支持向量机进行了初步的研究和分析。     

一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)

在属性均值聚类(AMC)与支持向量机(SVM)的基础上,提出了一个新的模式分类算法——基于(属性)聚类的属性支持向量机算法(AMC-ASVM)。主要思想是利用属性均值聚类网络得到的具有概率信息(权重)的样本,来训练属性支持向量机,从而得到分类器。这种方法结合了属性聚类的稳定性与属性支持向量机可以利用加权样本的优点,适合处理具有强噪声的数据。另外,该方法也可以看作是堆近邻分类法的自然推广。在实验部分,将其用于结肠癌基因表达数据的处理。实验结果显示了AMC-ASVM在一定程度上优于最近邻,Boosting,堆近邻,SVM等方法。     

自主创新企业行——自主创新需要专注和政府支持

2005年．对于中国企业来说，“自主创新”几个字叫得尤为响亮。“十一五”规划中指出：“科学技术发展．要坚持自主创新、重点跨越、支撑发展、引领未来，不断增强企业创新能力．加快建设国家创新体系”。自主创新已被提升到国家战略的高度． 新年伊始，我国的自主创新之路面临最大的机遇，作为国民经济的细胞组织．要调整和优化产业结构．转变经济增长方式，为发展国民经济做出更大贡献．我国的各类企业必须走自主创新的发展之路，自主创新不是那么简单的事．它是复杂的系统工程．而且牵一发而动全身．很多企业自主创新道路之艰辛曲折甚至令人唏嘘，庆幸的是．很多企业已在摸索中逐渐走上了正轨。然而．对于绝大多数企业来说．自主创新是个全新的课题．要想让他们不再重复先行者走过的荆棘丛生的老路，要想让他们不再下赌注似的去做那些选择题．当务之急是必须尽快改变他们在自主创新经验体系方面“要么空白．要么残缺不全”的现状．提升他们在自主创新方面的“软素质”先行者的经验弥足珍贵．勿庸置疑，这些将是准备踏上自主创新之路的企业们最需要的营养。虽然他们各自所处的领域不同，各自的条件和情况也千差万别，但最精华的往往是最具普适性的。     

中国城市公共交通发展的定位与实现

发展城市的公共交通,有必要从规划和政策等方面深入研究,为其发展创造良好的环境。针对这种需求,对公共交通发展定位、城市公共交通政策支持的实现以及城市群公共交通发展等方面进行了探讨。基于一些实例,分析和研究了不同需求下的公共交通发展定位;通过分类集成,提出了实现政策支持的条件下公共交通发展的方法;针对城市群众交通的特点,对公共交通的发展提出了规划和管理的建议。     

计算机支持的协同设计理论与发展

计算机支持的协同设计(CSCD)作为一个新兴的多学科交叉领域，正引起越来越多的关注。本文介绍了CSCD的概况、特点和关键技术，分析了目前国内外该领域的研究现状，重点阐述了CSCD中的几种协同工作技术的内涵和应用，并对其进行了分析和比较，强调应根据不同协同目的选取不同的协同技术，最后预测了CSCD未来的发展方向。     

业务流程管理(BPM)技术演进及新动态

企业流程管理是现代企业管理的重要方法与支持技术，流程管理技术不断演进，从泰勒时代的手工流程优化，到信息技术支持下的以BPR为代表的流程变革管理，再向支持价值链范围连续流程协调技术发展。先回顾了业务流程管理技术的演进过程，再分析了业务流程管理技术领域的最新重要动态。     

基于支持向量机的短期GDP预测模型与应用研究

支持向量机是最近几年国际上模式识别研究的热点,具有全局最优和良好的泛化能力.本文在理论分析江门市GDP预测指标体系的前提下,研究了基于SVM的预测方法,并运用实际数据进行建模和预测,获得了比较准确的预测结果.     

基于滚动时间窗的最小二乘支持向量机回归估计方法及仿真

提出了一种基于滚动时间窗的最小二乘支持向量机(LSSVM)回归估计方法．该方法构造了滚动时间窗，利用滚动时间窗内的数据优化建模．模型随着时间窗的滚动进行在线更新，并对滚动时间窗内的数据分配不同的权值以充分利用数据的信息．将基于滚动时间窗的LSSVM回归估计方法应用于软测量建模．进行轻柴油凝固点的预估．结果表明，该建模方法十分有效．     

论中小企业的金融支持体系

改革开放以来,我国中小企业发展迅速,广大的中小企业在保持国民经济持续快速健康发展,满足社会需求,优化产业分工,推动技术创新以及创造就业机会等方面,具有举足轻重的地位和作用.因而建立中小企业的金融支持体系具有十分重要的意义.文章试图从中小企业研究出发,通过对中小企业融资现状及其原因分析,探询建立适合中国国情的中小企业金融支持体系.     

基于FP-tree和支持度数组的最大频繁项集挖掘算法

提出了一个基于频繁模式树即FP-tree和支持度数组相结合的最大频繁项集挖掘算法,首先建立FP-tree,同时建立支持度数组,然后在此基础上建立最大频繁项集树MAXFP-tree,MAXFP-tree中包含了所有最大频繁项集,缩小了搜索空间,提高了算法的效率。算法分析和实验表明,该算法对稠密型数据集和稀疏型数据集均适用,并且特别适于挖掘具有长频繁项集的数据集。