一种基于支持向量机的非参数双响应曲面法

现有非参数双响应曲面法只注重提高模型的拟合性能而忽视提高泛化性能，对于复杂工业过程的质量优化和稳健设计应用效果不佳．为此提出了一种新的非参数双响应曲面法．首先采用均匀空间网格形式取样，然后利用支持向量机来拟合过程的均值和方差响应，并且通过比较不同拟合模型的泛化误差上界来优化支持向量机的参数．与基于核函数和基于人工神经网络的非参数双响应曲面法对比结果表明：实验设计方式相同时，该方法的平均泛化误差分别降低了31．0％和51．8％；而泛化误差相近时，平均样本量分别降低了35．0％和48．6％；对不同取样方法的泛化性能研究表明，在没有先验知识时，均匀空间网格是一种可接受的实验设计方式．由此说明了该方法的适用性与优越性.     

Establishing Efficient C2C E-alliance Based on Mobile Agent

In order to alleviate difficulties of conducting consumer-to-consumer(C2C)e-commerce transaction,establishing efficient e-alliance was proposed.E-alliance is the union of e-commerce sites.It is constructed by mobile agents.The mobile agent architecture was discussed.The process of selecting suitable e-commerce site to e-alliance was presented based on support vector machine(SVM)and fuzzy method.A prototype of the proposed system is implemented on a web platform.To enable data exchange between e-alliance and...     

近红外光谱和支持向量机用于凌霄花产地鉴别

收集6个产地凌霄花样品的近红外光谱,构建支持向量机(SVM)模型进行产地鉴别.运用竞争自适应重加权采样(CARS)算法提取特征波长变量,在此基础上建立CARS-SVM产地判别模型.将该判别模型与线性判别分析、偏最小二乘判别分析和簇类独立软模式法3种模型进行比较.结果表明,SVM模型对不同产地凌霄花样品的鉴别结果良好,经CARS提取特征波长后,波长变量数从1 557减小至52,所构建的CARS-SVM模型对6个产地样品的判别准确率较高,明显优于上述3种模型.因此,近红外光谱技术可快速准确判别凌霄花的产地,为凌霄花的产地鉴别与质量评价提供一种新的方法.     

过渡礼仪视野下的本命年现象解读

本命年作为一种具有"过渡"性质的人生仪礼,由于过渡状态的模糊性以及无法顺利通过此种中间状态可能带来的更为严重后果,给人们带来了忧虑和不安,为此民间衍化出挂红的习俗,意在安抚人们内心的焦虑和恐惧。本命年期间的挂红习俗不仅能为人们提供一种心理安慰,更借助现代商业成为一种审美方式与流行风尚,同时成为亲友联络感情的重要渠道。     

一种新的浮选泡沫图像识别方法

针对灰度共生矩阵法提取的浮选泡沫图像纹理特征相互混叠,不利于聚类和识别的问题,提出一种基于正交保局投影和支持向量机的浮选泡沫图像识别新方法.该方法利用正交保局投影法对原始纹理特征参数进行变换处理,有效改变了不同类别特征参数的聚集程度,并利用支持向量机进行分类.实验结果表明,所提方法的正确识别率能够达到93.5%,与基于最近邻分类器的主元分析法相比,其性能更好.     

锚梁支护结构及参数确定

本文叙述了锚梁支护结构的形式和特点,并采用弹性地基梁理论分析了锚梁支护结构的受力特征,为其支护参数的确定提供了理论依据。     

大型水轮机推力轴承支架结构优化设计

本文通过对大型水轮机推力轴承支架结构特点的分析,提出了大型水轮机推力轴承支架结构优化设计的数学模型.这是一个有尺寸、应力及位移约束的结构优化问题.本文采用复合形法迭代求解,采用自编的推力轴承支架的结构分析和优化设计的程序系统进行计算,得出最优解.     

UIO序列的启发式算法

UIO序列是对有限状态机进行功能测试的有效手段 ,在 VLSI设计、通信协议等时序系统中有很强的实际应用背景。文章基于可区分状态组这一概念设计了一个搜索算法 ,进一步利用搜索信息建立了一个基于“小于”关系的启发策略 ,有效的剪枝策略的设计将尽可能消除没有意义的搜索分枝 ,新设计出的多路 OPEN/CLOSED表存储机制也加快了相关的判别和处理过程。这些措施改进了搜索过程 ,减少了搜索信息的产生 ,提高了搜索速度。该算法与以往的算法相比 ,在时间和空间两方面都得到了很大改进。     

应用支持向量机处理岩土材料的细观图像

应用数字图像处理技术提取非均质岩土材料的细观特征是量化其细观结构的有效途径。为提高图像处理的质量和效率,在进行数字图像处理的阈值分割时,采用统计学习理论中的支持向量机分类方法。选取待原始图像的一个矩形区域作为训练样本图像,提取这些样本点的特征与训练目标一起组成训练样本集,通过对训练样本集的学习,生成SVM(support vector machine)分类机,利用SVM分类机提取原始图像中的特征图像。以花岗岩为例,利用该方法提取其细观结构,结果表明,合理选取训练样本和模型参数,可以提高图像处理的准确率和效率,得到最佳的处理结果。     

多输出支持向量回归算法

支持向量机是一种基于统计学习理论的新颖的机器学习方法,由于其出色的学习性能。该技术已成为当前国际机器学习界的研究热点．这种方法已广泛用于解决分类和回归问题．在回归中。目前的研究和应用都限于单输出的情况,而实际中有很多属于多输出回归问题．针对这一点,将支持向量回归算法推广到多输出情况．仿真实例说明了该算法的可行性．