AdaBoost集成SVM的供应链金融信用风险评估

为了实现供应链金融信用风险的科学定量管理,建立了一种AdaBoost集成的支持向量机（SVM）算法。该方法首先采用SVM方法对信用风险数据进行分类学习,建立基学习器;接着通过AdaBoost集成算法对基学习器迭代训练,生成最终的供应链金融信用风险评估模型。实证结果表明,AdaBoost集成SVM分类器较模糊积分SVM集成等方法具有更高的分类准确率,因此该模型具有很好的应用前景。     

基于Mel系数和SVM的语音识别技术研究

本文研究了一种运用Mel频标倒谱系数作为特征参数和多分类支持向量机进行语音识别的方法。根据已有的分类方法,尝试将一种基于二叉树的多分类支持向量机用于语音识别。实验表明,基于Mel倒谱和多分类支持向量机的语音识别方法使系统的性能和速度大大提高,具有理想的识别效果和应用价值。     

一种基于支持向量机的带钢表面缺陷识别方法

鉴于支持向量机（SVM）在小样本、高维模式分类中具有的优良分类性能,可以基于多分类支持向量机来检测带铜表面的缺陷。本文构造了一类有向无环图支持向量机（DAGSVM）,利用交叉验证进行了参数和模型的选取,对冷轧带钢中几种现场易出现的缺陷进行分类,并与BP神经网络进行比较分析。实验结果表明,这类基于SVM的算法识别效率较高,较好地解决了小样本学习问题,避免了BP神经网络出现的过学习、收敛速度慢、泛化能力弱等缺点,可有效地应用于带铜表面缺陷检测。     

基于SVM的银行个人贷款信用评估模型研究

近年来,随着金融的全球化趋势及金融市场的波动性加剧,商业银行的风险管理一直是国际国内金融界关注的焦点。积极借鉴国外商业银行信用风险管理的先进经验,提高我国商业银行的信用风险管理水平具有重要的现实意义。本文以个人贷款信用评估为切入点,将支持向量机（Support Vector Machines,SVM）方法应用到个人贷款信用评估模型中。本研究的基本思路是：首先建立银行个人贷款信用评估的指标体系;然后以高斯径向基核函数作为核函数,选择合理的惩罚参数C,并对训练数据进行训练,构建银行个人贷款信用评估的数学模型;最后,将测试数据代入最优分类函数进行测试,并且对测试结果进行评价。实验证明：支持向量机机方法运用起来简单方便,效果较好,可将其作为银行个人贷款信用评估方法之一。     

基于遗传支持向量机算法的文本分类

支持向量机具有良好的泛化和高维模式识别能力,广泛地应用于文本分类中.然而,文本分类的准确性却很大程度上依赖于参数惩罚因子(C)和核函数(γ)的正确选择.运用遗传算法优化支持向量机参数,选取文本分类准确率作为适应度函数,通过种群进化实现支持向量机参数寻优,构造基于遗传向量机算法的文本分类器(GA-SVM).实验表明,改进后的文本分类器(GA-SVM)在准确度和运行速度都有明显的提高,具有较强的可行性和实用性.     

粗糙集与支持向量机在冠心病诊断中的应用

提出了一种基于粗糙集(RS)与支持向量机(SVM)的冠心病诊断方法。利用粗糙集对原始数据进行属性约简,得到优化后的特征属性集和新的数据集,采用支持向量机对新的数据集进行分类训练和预测。结果表明该方法对冠心病预测的准确率达到91%以上,具有较好的应用前景。     

基于粒子群优化支持向量机的冲天炉铁液质量预测

冲天炉铁液质量预测是一项复杂而有难度的技术,受到很多因素的影响。文章提出了基于粒子群优化支持向量机（PSO-SVM）的冲天炉铁液质量预测方法,即将粒子群优化算法（PSO）用于SVM参数优化。它不仅具有很强的全局搜索能力,而且容易实现。经实验结果证明,PSO-SVM的预测输出与实测数据基本一致,其预测精度高于普通的SVM,所有的预测误差都远小于5%的工程许可误差。     

基于支持向量机的中小上市公司财务评价模型构建

科学有效地对公司的财务状况进行评价,不仅对公司财务危机预防具有重要作用,对促进资本市场更好更快发展也至关重要。基于人工神经网络和支持向量机的思想,以我国2009年276家中小上市公司的财务数据作为输入特征向量,建立中小上市公司财务评价模型,使用该模型分析的结果与样本企业实际情况相符,表明该模型有效性较高。     

免疫粒子群算法下向量机参数选择及金融应用

针对粒子群算法易陷入局部最优值的缺点,将免疫原理引入粒子群算法中,利用免疫记忆与自我调节机制促使各适应度层次的粒子维持一定浓度,保证群体的多样性,从而避免算法陷入局部最优。随后将这种改进的算法应用于支持向量机参数的选择,并在BreaStCancer等数据集上进行了实验,实验结果表明利用免疫粒子群算法选取支持向量机最优参数,能够提高支持向量机的分类正确率,具有一定的实用性,特别在经济金融应用上前景可观。     

基于支持向量机的旅游客源预测模型研究

为了能够进行合理的旅游规划和管理,应该对旅游客源进行准确的预测,因此,深入地研究了支持向量机在旅游客源预测中的应用。首先,分析了支持向量机的基本理论;其次,分析了近年来我国境内旅游市场发展情况,并且分析了旅游市场变化的原因;然后,进行了旅游客源预测实际分析,首先根据1996-2011年期间我国旅游客数据验证了支持向量机的预测准确性,然后对2012-2018年我国境内旅游客源数量进行预测,从而为旅游机构进行旅游配套设施建立提供了有利的理论依据。     

随机模糊神经网络模型预测铁水硅含量

该文在考虑了具有模糊化和非模糊化的模糊逻辑系统用于高炉铁水含硅量[Si]时各种噪声干扰的同时,把模糊数学理论和随机系统理论结合在一起,建立了一种新的高炉铁水含硅量[Si]的智能预报模型,该模型是由非单值模糊化、模糊规则库、模糊推理机、特殊非模糊化构成的随机模糊神经网络逻辑系统.通过结合莱钢1号高炉实时在线采集的生产数据,进行仿真研究,结果表明,该套模型能够很好地预测高炉铁水含硅量[Si].     

化工项目投资风险评价方法的研究

根据化工项目的特点 ,对项目的投资风险进行了分析和识别 ,运用模糊数学的方法 ,建立了化工项目投资风险的评价模型 ,并通过实例验证了该方法的有效性。     

基于新型模糊神经网络的信用卡审批发卡的信用评估模型研究

本文尝试首次将新型模糊神经网络的模型引入到信用卡审批发卡的信用评估环节,采用更加快捷的全局搜索优化算法——粒子群优化算法,从模型和优化方法上进行创新,利用某银行信用卡申请的相关数据资料,就信用卡审批发卡环节,建立起信用卡风险防范的第一道防线——新型模糊神经网络的信用卡审批发卡的信用评估模型,通过对数据的预处理、数据训练和结果分析,并与现有的信用卡审批发卡的信用评估模型进行比较,显示了新模型和优化方法的优越性和实用性。     

模糊方法在建筑工程投资估算中的应用研究

文章引入模糊聚类,模糊识别的一些方法来对工程项目建设中的投资中的模糊问题进行分析,包括模式库建立、典型工程匹配等;并结合具体实例,研究建立建筑工程投资估算价格的预测模型模型,给出定量的结果。     

基于模糊控制的料浆湿度自动控制方法探讨

针对料浆湿度控制具有非线性、惯性大、纯滞后，且难以建立精确数学模型的特点，在自组织模糊控制和预测控制理论的基础上，提出了料浆湿度复合型模糊预测控制方法。这种料浆湿度模糊控制相对于多因子自组织模糊控制来说，程序变得简单，同时还可以取得较好的控制效果。     

基于级联型组合分类器的人脸识别研究

该文提出了一种将支持向量机（SVM）与神经网络相结合的方法，得到一种新型的级联型组合分类器．此组合分类器先利用神经网络或SVM对人脸图像进行预分类，得到不同性别的两类人脸图像；然后分别针对其中某一类人脸图像进行K-I。变换以提取有效特征，再使用SVM进行细分，得到最终的识别结果．应用该组合分类器方法在本文整合得到的人脸样本库上进行测试，结果显示该方法不但可以有效地提高识别速度，而且还可以在一定程度上提高识别率，因此方法是有成效和有价值的．     

自适应模糊控制在VAV末端装置中的应用

通过增加在线模糊调整量化增益和比例增益,在简单模糊控制理论的基础上架构成自适应模糊控制理论,并把其运用于 VAV 空调末端装置的控制.通过 MATLAB 分别建立简单模糊控制系统和自适应模糊控制系统的仿真模型并加以仿真.对比二者的仿真结果可见,针对 VAV 空调末端装置控制,自适应模糊算法比简单模糊算法效果更佳.     

上市公司财务困境预测的实证研究

基于财务困境预测概念的模糊性和评价指标的不相容性,在模糊物元分析的基础上,将熵值理论、模糊集和贴近度相结合,建立基于熵权与专家打分法所获组合权重的模糊物元模型来预测上市公司的财务困境,并以*ST夏新为例进行实证研究。研究结果表明,运用模糊物元模型预测上市公司的财务困境,其方法是可行的,它为上市公司的财务困境预测提供了一种新方法。