公交运营的协控准点滞站调度模型

滞站调度策略是公交日常运营中最常用的一种控制策略.针对传统滞站策略存在较高误控率的问题,提出一种新型的协控准点滞站调度策略,该策略依据车辆在当前站点和下一站点的准点信息,来综合判断是否需要对该车辆进行滞站控制.为了获得车辆在下一站点的发车时间信息,设计了基于支持向量机的公交旅行时问预测模型.最后,利用基于Paramics的仿真实例对本文提出的预测模型和调度策略进行了验证,结果表明,基于支持向量机的预测模型具有较高的预测精度,可以为协控滞站调度策略提供较可靠的依据;协控准点滞站调度策略比传统的滞站调度策略具有更低的误控率和较少的乘客等待费用.     

基于数据深度的支撑向量估计

针对支撑向量机分类问题,提出了利用空间秩深度估计两类样本潜在支撑向量的方法。首先计算出样本在相对本类和相对于异类的深度,然后取其比值作为相对深度。注意到样本相对深度在交界面位置较大的特性,我们用相对深度估计样本中的潜在支撑向量。对非线性分类问题,我们给出了特征空间下的深度计算公式,拓宽了算法的适用范围。利用潜在支撑向量信息,我们不仅可以除去大量的计算冗余样本,而且可以利用边界信息通过修正核提高支撑向量机的分类性能。

Abstract：

A method was proposed to estimate the potential support vectors （SVs） in advance based on spatial rank depth （SRD） in binary classification by support vector machine （SVM）. Noting that the ratio of relative-class data depth to inner-class data depth is extra large in the interface of the two datasets,the relative depth was used to estimate the support vectors in the samples. According to the nonlinear classification,the spatial rank depth in the feature space was discussed. By estimating the SVs in advance,the computation not only could be reduced by removing the redundant data while keeping the precision,but also the performance of SVM could be improved by the revised kernel method using the interface information.     

数据挖掘中SVM模型与贝叶斯模型的比较分析——基于电信客户的流失分析

对电信客户流失数据分别构建贝叶斯模型和SVM模型,进行电信客户流失的可能性预测.在实验过程中改变数据量和特征字段,借助clementine 12.0的可视化实验平台直观、有效地观察5种模型的预测结果,并对贝叶斯和SVM的5种模型进行比较,得出结论:在属性值较多的情况下,采用贝叶斯Markov-FS模型;在属性值较少且与预测结果高度相关的情况下,SVM中多项式核函数模型预测结果的正确率和稳定性都比较好.     

基于SVM的图像特征样本集构造技术研究

针对图像的过滤、图像水印的检测等方面的研究成为一个热点,统计学习理论成为解决此类问题的一条捷径。介绍了SVM基础理论以及特征向量的意义,探讨了图像特征向量的一般选择方法以及基于粗集的图像特征选择方法,阐述了训练样本集的构造。     

游客微博主题情感分析方法比较研究

针对饮食、娱乐、购物、景观、交通和住宿6个旅游主题, 基于机器学习方法, 开展游客微博主题情感分析方法比较研究。以人工标注的53140条赴日游客微博为数据基础, 应用两种机器学习模型开展建模实验, 并分析不同特征对建模效果的影响。实验结果显示, 两种模型的建模效果良好, 适用于游客微博主题情感分析, 其中最大熵模型效果略优于支持向量机。研究还表明, 在词特征的基础上引入表情符号和主题词进行特征扩展, 可以提高模型的建模效果。     

基于SVM的莱州湾叶绿素浓度遥感反演

叶绿素浓度是浮游植物分布的指示剂，是衡量水体初级生产力和富营养化的基本指标。准确探测海水叶绿素浓度并分析其时空分布变化特征，对海洋生态研究海洋生物资源评价、海洋环境监测、海洋渔业管理等方面都具有重要意义。利用在莱州湾2007年6月至2007年8月测量的32组二类水体叶绿素浓度和同步实测辐射光谱资料，建立了莱州湾叶绿素浓度的荧光算法和SVM（Support Vector Machine）反演模式，并用9月份的8组数据作为验证，结果表明SVM反演模式在莱州湾具有很好的应用前景，为该区域水质参数遥感监测提供参考。     

基于贝叶斯理论的日用水量概率预测

为解决城市日用水量的概率预测问题,提出了基于贝叶斯理论的日用水量预测法.引入贝叶斯理论,建立了日用水量概率预测系统.在系统中,利用支持向量机建立日用水量预测模型、似然函数和先验密度,并采用自适应马尔可夫链蒙特卡罗模拟方法求解日用水量的后验密度,得到日用水量的概率预测值.实例表明,本文提出的预测方法不仅显著提高了日用水量的预测精度,而且通过定量给出预测值的置信区间,为城市供水系统的调度提供了更科学、可靠的决策依据.     

基于DLSVM算法的高分辨率遥感图像分类研究

为了进一步提高高分辨率遥感图像的分类精度及效率,融合支持向量机SVM及局部支持向量机KNNSVM算法,借助主动学习相关理论,提出了基于距离的局部支持向量机算法(DLSVM).该算法通过对未标记样本和超平面之间的距离与预先设定的距离阈值相比较,判断是否需要进一步建立局部支持向量机KNNSVM来确定样本的类标.对实际的高分辨率遥感图像分类的实验结果显示:在合适的距离阈值与K值的设置下,该算法能够提高支持向量机SVM的分类精度,同时大大降低KNNSVM算法的时间消耗.     

加权贝叶斯线性B细胞表位特征提取方法

特征提取方法对线性B细胞表位预测起到非常重要的作用,但贝叶斯特征提取方法忽略了氨基酸之间的相互关系.为了更准确地描述表位序列的关系,提出一种基于氨基酸对量表加权的贝叶斯特征提取方法,该方法对单个氨基酸在序列分布的基础上充分考虑了氨基酸之间的关系,并使用支持向量机作为分类器进行分类.在El-Manzalawy,Saha数据集上的测试表明改进的贝叶斯特征提取方法.相比传统的贝叶斯特征提取方法,提取精度有一定的提升.     

基于Logit与SVM的银行业信用风险预警模型研究

本文以银行业金融机构大额授信风险及零售贷款违约风险数据为基础,从宏观经济环境、客户信贷行为、企业经营水平三个维度出发,对客户风险预警的相关指标进行系统分析,构建了企业客户风险预警指标体系,并利用统计学和数据挖掘方法,从企业财务、企业信贷行为等客户数据信息中挖掘出隐含在背后的客户风险特征.在上述分析的基础上,引入一种基于Logit与SVM的混合预警模型.该模型除了具有单个模型的良好基本性质,还能够充分捕捉和有效刻画影响因素对于客户违约的线性和非线性的复杂特征.实证结果表明,新的模型具有更好的泛化能力,对客户信贷风险具有较高的预警准确率.