搜索结果: 1-15 共查到“人工智能理论 SVM”相关记录17条 . 查询时间(0.095 秒)
基于ACO-SVM的质谱数据分析
蛋白质组学 蚁群优化算法 特征选择技术
2010/2/20
生物信息学应用领域存在高维小样本和内部空间疏散的特性，因而数据分析面临着巨大的挑战。基于此，在蚁群算法的搜索过程中将特征的信噪比作为先验信息，结合支撑向量用于筛选血清蛋白相关生物标记物，实验结果表明，该方法建立的癌症诊断模型取得了较好的分类性能测试仿真结果，敏感度和特异度分别达到94%和92.4%。
一种新的构造SVM分类器的几何最近点法
最大间隔 尺度不变凸壳 最近点对
2009/9/9
引入了尺度不变凸壳的概念，证明了与之相关的性质，通过这些性质可以把求解线性 不可分SVM的问题转化为计算两类训练样本分别生成的尺度不变凸壳间的最近点对的问题. 然后可以用几何最近点法计算尺度不变凸壳间的最近点对， 把垂直平分连接最近点对线段的超平面作为线性不可分问题的分类超平面.此外，还把这种方法推广到非线性情形， 并给出了解决非线性问题的一种简化算法.理论分析和实验均表明，与已有的方法比， 尺度...
基于流形学习和SVM的Web文档分类算法
文档分类 流形学习 支持向量机
2009/8/20
为解决Web文档分类问题，提出一种基于流形学习和SVM的Web文档分类算法。该算法利用流形学习算法LPP对训练集中的高维Web文档空间进行非线性降维，从中找出隐藏在高维观测数据中有意义的低维结构，在降维后的低维特征空间中利用乘性更新规则的优化SVM进行分类预测。实验结果表明该算法以较少的运行时间获得更高的分类准确率。
基于粒子群优化算法的LS-SVM财务预警
最小二乘支持向量机 粒子群优化算法 模式分类
2009/8/19
提出一种基于粒子群优化算法优化有关参数的最小二乘支持向量机的财务预警模型。通过提出适当的验证性能指标，用粒子群优化算法优化最小二乘支持向量机的有关参数，利用上市公司的财务数据对该方法进行实证财务预警分析。仿真结果表明，该模型的精确度令人满意，该方法是可行且有效的。
基于序列模式特征和SVM的剪切位点预测
序列模式 剪切位点 支撑向量机
2009/8/12
通过对HS3D数据集供点序列碱基的统计分析，利用供体位点邻域碱基出现规律构造模式(motif)作为DNA序列的属性。设置序列属性值将字符序列映射成数字向量，应用支撑向量机进行实验，实现对供体位点的预测分类。实验结果表明，与改进的motif得分模型方法相比，该文方法可有效去除数据中异常数据对分类的影响，将DNA字符序列变换到motif属性数字序列空间具有有效性和实用性。
SVM中不平衡数据的分离超平面的校正方法
不平衡数据 核主成分分析 支持向量机
2009/7/24
针对两类不平衡数据的分离超平面的偏移问题提出一种平衡方法。首先，对两类样本数据在核空间中进行核主成分分析，分别求出两类样本数据的在特征空间中的主要特征值；然后，根据两样本容量以及各自的特征值所提供的信息，对两类数据给出惩罚因子比例；最后，通过优化训练，产生一个新的分离超平面。该分类面校正了标准的支持向量机的分类误差。实验显示了所提出方法的有效性，即与标准的支持向量机相比，不仅平衡了错分率而且还能减...
基于SVM-Adaboost的中文组块分析
中文组块分析 Adaboost 支持向量机
2009/7/21
组块分析是一种非常重要的句法分析预处理手段，通过将文本划分成一组互不重叠的片断，来达到降低句法分析的难度。提出一种基于SVM-Adaboost的中文组块分析方法，将基于线性核函数的支持向量机与Adaboost算法相结合，以基于线性核函数的SVM作为Adaboost的分量分类器，在学习过程中改变分量分类器的核参数。实验结果表明了该算法的有效性。
基于WPA-SVM的多分类故障混合诊断模型
小波包 支持向量机 多分类
2009/7/20
针对目前机械故障诊断中难以进行特征提取和常规SVM算法诊断多类分类问题时存在困难等问题，提出了结合了WPA理论和基于二叉树的多级SVM分类器的WPA-SVM多分类故障混合诊断模型。采用小波包分析对机械信号提取频域能量特征向量，通过训练多个依赖故障优先级的基于二叉树的多级SVM分类器中，找到样本中的支持向量，并以此决定超平面。然后根据最优分类平面，对测试集的样本进行故障诊断。通过对两种不同特征提取方...
基于格贴近度的SVM决策树层次结构设计方法
支持向量机 层次结构 决策树
2009/7/17
利用格贴近度对模糊集的贴近程度进行度量，给出一种基于格贴近度的SVM决策树层次结构设计方法，从而解决对多类模糊样本的分类问题。实验结果表明：基于该层次结构设计方法得到的多类分类器，对多类模糊样本具有良好的分类效果。
一种改进的线性SVM
相似变形压缩法 最大间隔法 分划超平面
2009/6/30
对模式分类中的近似线性可分问题提出了一种新的近似线性支持向量机（SVM）：先对近似线性分类中的训练集所形成的两类凸壳进行了相似变形，使变形后的凸壳线性可分，再用平分最近点和最大间隔法求出理想的分划超平面，然后再通过求解最大间隔法的对偶问题得到基于相似压缩的近似线性SVM。此外，还从理论和实证分析两个方面将该方法与线性可分SVM及已有的近似线性可分SVM进行了对比分析，说明了该方法的优越性与合理性。
基于PSO-SVM的短期交通流预测方法
粒子群优化 交通流预测 支持向量机
2009/6/24
准确的交通流量预测是智能交通系统中的关键问题。在分析支持向量机SVM回归估计方法参数性能的基础上，提出了粒子群算法PSO优化参数的PSO-SVM短期交通流预测模型。模型利用支持向量机具有结构风险最小化的特性和粒子群算法快速全局优化特点，实现了数据降维并且保持了交通流序列的特征，因此可以高效地预测交通流量。用G107国道现场采集的数据仿真表明了该模型的有效性，预测平均误差为3.4%。
基于Hermite插值的SVM研究
支持向量机 Hermite插值 多项式光滑
2009/6/23
在传统SVM的分类求解算法中,由于严格凸的无约束最优化问题中单变量函数x+是不可微的,不能使用通常的最优化的算法进行求解。三次Hermite插值多项式光滑的支持向量机模型采用的是一种多项式光滑技术,用三次Hermite插值多项式代替单变量函数x+,将原来不可微的模型变为可微的模型,并且给出了三次Hermite插值多项式光滑化单变量函数x+的推导过程。使用UCI机器学习数据集中的数据,通过实验验证了...
基于GA-SVM的企业财务困境预测
遗传算法 支持向量机 财务困境
2009/4/24
通过遗传算法结合支持向量机算法中期望风险边界，对我国上市公司财务数据进行特征提取，并优化构造广义最优分类超平面，从而获得具有较好整体预测性能的联合模型。数值实验表明，该方法可以降低特征空间维数，具有较好的分类准确率。实证结果表明，GA-SVM联合预测模型具有可靠的预测财务困境能力，有着良好的应用前景。
利用粒子群算法优化SVM分类器的超参数
支持向量机 分类器 参数优化
2009/3/9
利用粒子群算法在求解组合优化问题时具有的全局搜索特性，设计并实现了支持向量机分类器中超参数的优选粒子群算法，扼要地叙述了算法实现中个体编码和适应度函数，通过在国际标准数据集上的实验验证了算法的有效性和高效性，最后列举了一些在上述工作基础上可开展的深入性工作。