基于大数据和支持向量机分类法的图书馆中转站构建研究

经济增长,群众的物质需求得到满足后,文化需求就会相对增加,书籍作为重要的文化载体,正在重新被我们拾起。但是在众多场所中,例如社区居民,大型工厂,存在借阅不平衡的问题,大量的图书资源集中在高校图书馆以及市区少量的公共图书馆,无法辐射到大量的有需求群众集体,文章将以大数据为背景,结合支持向量机分类法,以高校图书馆为起点,探讨建立中转借阅体系,以解决图书借阅运营模式相对落后,无法充分利用资源的问题。     

基于支持向量机的上市公司财务困境预测

文章采用支持向量机（SVM）来处理上市公司财务数据,与传统的方法相比较,有较好的范化能力,避免了传统方法的不足,能较客观的对上市公司财务困境进行预测。事实证明本模型是有效的,能为投资人和债权人的决策提供有力的支持。     

改进支持向量机的商业银行评级算法

对目前银行评级算法使用的传统的支持向量机进行了改进,构造了多核函数;平衡了核函数的全局性和局部性,有利于对样本数据的学习和推广;最后利用改进的支持向量机构造银行评级的算法。     

基于支持向量机的柴油机故障诊断

本文研究了基于支持向量机的故障诊断方法。以传感器检测数据为输入,利用v-支持向量分类机进行故障分类识别。通过对柴油机燃油压力波动信息和柴油机振动监测数据的处理分析,结果显示基于支持向量机的故障分类器能够在样本有限的情况下出色的完成多种故障的诊断分类。     

支持向量机的应用

支持向量机算法是十大经典算法之一,对于数据分类,数据回归方便有着极好的应用.在实际操作中,我们常用它来处理分类问题.但传统的支持向量机存在噪声太多,数据处理太慢和收敛过快的问题,可通过调整参数进行改进.本文将建立一个模型,实现对支持向量机的简单应用.     

基于支持向量机财务预警模型的实证研究

本文结合主成分分析法和支持向量机模型,构建了一种新的上市公司财务困境预警模型,并对我国A股上市公司中80家因为“财务状况异常”而被“ST”的公司进行预测,结果表明效果理想。     

基于支持向量机的变压器故障诊断

针对油浸式电力变压器在不同工作状态时,变压器油中溶解气体的类型和含量的不同,通过检测变压器油中的不同气体的类型和含量就成了判别变压器工作状态的重要方法。本文基于支持向量机(SVM)模型,利用支持向量机对于非线性问题的优良解决方法,给出了一种判别变压器工作方式的方法,经测试,判别正确率高达96.8%,满足对于变压器故障判别的精度要求。     

基于支持向量机模型的财务预警警度分类研究

本文以模式分类理论阐述了财务预警的实质,给出了财务预警指标及量化方法,并应用支持向量机模型对上市公司进行财务预警警度分类,实证表明了支持向量机以多模式分类标识财务预警警度的可行性和实用性。     

基于支持向量机回归算法的航空公司客流量预测研究

在航空公司运营管理过程中,航空客流量预测是其航班计划和机队规划的重要依据。本文介绍了航空客流量预测中常用的几种预测方法,并对他们的特点进行了分析比较;阐述了支持向量机的理论基础和原理,给出了支持向量机的回归模型,并重点探讨了预测模型中核函数的选择方法;在选择适当的参数和核函数的基础上,对航空客流量进行预测,并与BPANN和线性回归算法这两种预测方法进行对比,证明支持向量机回归算法能获得训练最小的相对误差,是相对有效的一种航空客流量预测方法。     

基于支持向量机的烟叶自动分级

烟叶分级是烟草行业的一项基础性的工作,对烟叶进行准确的分级是提高烟草制品品质的关键因素。随着计算机技术的发展,机器视觉技术在烟草行业的应用也越来越广泛。本文利用支持向量机(SVM)的模式识别方法来研究烟叶的自动分级。     

基于支持向量机的城市物流需求预测研究

文章利用支持向量机的非线性能力对历史物流需求量进行学习,获得模型最优参数,对将来物流需求进行预测。文章调研了焦作市历年的城市物流需求数据对模型性能进行测试,测试结果表明,支持向量机针对城市物流需求预测精度较高,为城市物流需求预测提供了有效的方法。     

基于最小二乘支持向量机的VaR计算方法研究

VaR是使投资风险数量化的工具,旨在估计给定金融资产或组合在正常的资产价格波动下未来可能的或潜在的最大损失。支持向量机是一种基于传统统计学习理论的机器学习算法。波动率作为金融风险的度量,是风险管理中的重要指标。在对Va R的计算中,本文将最小二乘支持向量机与传统的蒙特卡罗模拟法结合,对波动率进行估计。实证分析表明,该方法可行有效。     

基于支持向量机的品牌特色专业评价

简述了江苏省教育厅在本科品牌专业、特色专业验收时的验收标准。利用支持向量机建立了品牌专业、特色专业验收时的验收模型。通过实例,结果表明支持向量机比较精确和有效。     

基于支持向量机的福建省GDP预测研究

采用1981～2002年的福建省GDP数据作为支持向量机(SVM)的训练目标,以各期前三年的GDP作为输入向量构成训练样本。首先利用格子搜索法获得支持向量机模型中的参数(C,γ,ε)对样本进行训练。然后用训练所得模型对2003、2004、2005三年的福建省GDP进行测试,平均测试精度达98.12%。可以认为支持向量机具有较强的泛化能力,在宏观经济预测中具有较高的精度,从而可用于未来实际GDP的预测。     

基于支持向量机的多准则航材ABC分类法

分析了传统的ABC分类法在航材分类中应用的问题,将航材的单价、采购提前期、平均故障间隔时间、年消耗量、重要度等级作为分类准则,运用支持向量机多分类原理对航材进行ABC分类,通过与传统ABC分类的比较,验证了此分类方法的有效性、优越性,提高了航材管理的科学性。     

基于支持向量机的公路货运量预测方法研究

首先分析了公路货运量预测的重要性,介绍了国内外丰要预测方法.归纳总结了支持向量机的核心思想和基本原理,利用此较新的理论建立了公路货运量预测模型,给出了构建模型的具体分析步骤.同时探讨了参数的标定和修正过程.利用北京市基础数据,建立北京市公路货运量预测的支持向量机模型,并应用LibSVM软件进行预测,预测结果验证了模型的有效性和可行性,表明方法可以推广并可实际应用.     

基于支持向量机的公路货运量预测方法研究

首先分析了公路货运量预测的重要性,介绍了国内外主要预测方法。归纳总结了支持向量机的核心思想和基本原理,利用此较新的理论建立了公路货运量预测模型,给出了构建模型的具体分析步骤,同时探讨了参数的标定和修正过程。利用北京市基础数据,建立北京市公路货运量预测的支持向量机模型,并应用LibSVM软件进行预测,预测结果验证了模型的有效性和可行性,表明方法可以推广并可实际应用。     

基于支持向量机的信用评级分析

公司信用评级分析吸引了众多科研文献对其进行科学研究。近来的研究也表明,相对于传统的统计方法,支持向量机方法在信用评级分析中有着更好的表现。文章就引入了这一相对较新的机器学习技术——支持向量机,来研讨信用评级问题。最后通过实证分析,说明了这一方法的可行性。     

基于非线性支持向量机区域物流量预测

针对现阶段物流系统样本量少的具体状况，从神经网络的非线性预测分析入手，建立物流量预测非线性支持向量机模型并在廊坊市应用，与其它预测方法进行比较，证明采用支持向量机用于区域物流量预测的正确性、可行性并具有较高精度。     

支持向量机技术及其应用研究

支持向量机(SVM)是建立在统计学习理论基础上的一种小样本机器学习方法,本文主要介绍了支持向量机的基本原理,多类分类的研究现状。最后介绍了支持向量机的典型应用。