政府采购中供应商的信用分析

支持向量机(SVM)是在结构风险最小化的一种新的机器学习技术,在解决小样本、非线性及高维空间问题中具有独特的优势,适用于政府采购中对供应商进行信用分析。但供应商信用属性数据构成了高维空间的稀疏分布,不利于SVM的准确建模。由于主成分分析技术具有良好的去噪音特性,能够对信用属性数据进行有效地挖掘。因此,若将两者进行有机地结合,就能有效改善SVM输入样本的特性,从而提高SVM分类的准确率。     

SVM算法改进及在网络安全审计中的应用

基于SVM的网络安全审计技术研究主要是针对网络中的文本内容进行安全审计，在网络安全审计过程中采用改进的SVM算法。     

基于粒子群支持向量机的标高金预测方法研究

在建筑工程投标报价过程中,标高金的准确预测直接影响投标方能否中标和盈利。利用支持向量机（SVM）在解决小样本数据、非线性问题上的优越性,提出基于SVM的预测方法,同时利用粒子群算法（PSO）对支持向量机的参数进行优化。实例分析表明,基于PSO—SVM的预测方法是有效和可行的。     

基于权值SVM商品房价格模型研究

支持向量机(SVM)是在统计学习理论的VC维理论和结构风险最小原理的基础上发展起来的一种新的机器学习方法。本文利用SVM对商品房的几种主要价格因素数据进行统计学习,并且针对SVM学习过程中计算量巨大的问题,提出一种对核函数加权的方式来提高其学习效率,并针对不同因素调整其学习权重,有效提高了模型的学习速度和推广能力。SVM以统计学习理论为基础,具有简洁的数学形式、直观的几何解释和好的泛化能力等优点。研究证明,SVM的预测结果准确,使用方便,是一种优良的商品房价格建模方法。     

基于小生境演化算法的混合核函数SVM参数寻优算法

提出了一种基于小生境演化算法的混合核函数SVM参数寻优算法,该算法定义随机交叉变异模板决定实数编码小生境演化算法的交叉变异位,利用该小生境演化算法对混合核函数的SVM参数寻优,最终得到性能良好的SVM分类器。仿真实验表明,通过使用该算法对UCI数据集分类识别,能够找到SVM分类器的最优参数,混合核函数SVM比单一核函数SVM算法具有更好的分类性能。     

中国海外上市公司的PCA—SVM财务危机预警研究

在支持向量机（Support Vector Machine,SVM）方法的基础上融入主成分分析（Principal Component Analysis,PCA）方法,可构建PCA—SVM财务危机预警模型。以我国海外上市公司为研究对象,运用PCA提取出对财务危机具有显著影响的特征指标,进而通过训练集在不同核函数下对SVM进行训练,最后运用测试集对经过训练得到的SVM财务危机预警模型进行性能验证与评价。实证研究结果表明,PCA．SVM财务危机预警模型在线性、多项式、径向基和sigmoid四种核函数下都具有良好的预测能力,而径向基核函数下的PCA-SVM财务危机预警模型具有更加优越的学习能力与泛化推广能力。     

基于混合两阶段模型的上市公司信用风险评价

利用支持向量机(SVM)-Logistic回归的混合两阶段模型来对上市公司信用风险进行评价。通过Logistic回归分析来对SVM的输出结果进行修正,降低了传统SVM方法的经验风险,提高了分类准确率。对SVM-Logistic回归模型、SVM和神经网络-Logistic回归模型进行实证比较,结果表明,支持向量机-Logistic回归模型的总判别准确率高于其他判别模型。     

基于SVM模型下的河南科技创新指标体系的识别与实证研究

基于SVM下的创新识别模式为视角,立足于河南企业科技创新能力评价的实际需求,构建河南科技创新能力评价模型。SVM在解决小样本、非线形及高维模式识别问题具有独特优势,主要从知识创造能力、知识获取能力、企业创新能力、创新环境、创新绩效等识别指标,建立科学的评价指标体系,对河南企业的科技创新能力进行客观而准确的测度和评价。实证研究表明：支持向量机在河南科技创新能力识别中的效果良好,表现出SVM对有限样本的良好泛化能力,足见SVM方法的科学性、合理性和前瞻性。     

采用混合核支持向量机的DOA估计

人工神经网络（ANN）进行建模时通常需要准备大量的数据样本,同时网络结构一般都比较复杂;而采用支持向量机（SVM)进行建模时,不同核函数有不同的效果,各有利弊,且选取SVM模型参数的理论支撑尚不完整。为了解决这些问题,提出了一种基于混合核函数的支持向量机来改善来波到达角（DOA）的估计性能,并结合二进制粒子群算法（PSO）来对混合核函数进行参数寻优。该混合核函数由全局核函数和局部核函数构成,提高了SVM的泛化能力和学习能力。首先通过拟合多项式函数,验证了该混合核SVM的有效性。将该方法用于DOA估计建模,在不同信噪比和快拍数下,通过与径向基函数（RBF）神经网络、基于各单一核函数的SVM和MUSIC算法预测结果对比,混合核SVM均方差有所降低,提高了DOA估计的精度且有更好的稳定性。     

一种新的基于SVM的文本分类增量学习算法

文本分类将自然语言文本按内容归入一个或多个预定义类别中,在许多信息组织和管理中都是一项重要的内容。不同算法的分类准确性各不相同。在文本分类领域,SVM分类器是一种常用且效果较好的分类器,具有较严密的理论基础。对SVM分类器进行了分析,提出了利用增量模式实现多类文本分类的算法。实验表明:增量方法大大减少新类增加时分类器更新所需要的学习步骤和时间,是一种较好的分类算法。     

基于TF-IDF与SVM的弹幕文本情感极性分析模型

弹幕是一种近年来较为流行的视频评论方式,它能准确、具体地反映出用户在观看视频时的即时情感和褒贬评价。为了有效地获取弹幕的情感极性,本文提出一种基于TF-IDF与SVM的弹幕情感极性分析模型。本文首先利用Python爬取网络视频的弹幕文本,通过预处理操作后作为语料库保存在数据库中;其次,利用TF-IDF提取弹幕文本的特征,通过空间向量模型进行特征表示;最后,利用SVM对文本的情感极性进行分类。通过仿真实验验证了模型的可行性。     

支持向量机在说话人识别系统中的应用

支撑向量机(Support Vector Macbinc,SVM)是一种新的统计学习方法,作为一种说话人识别的手段具有独特的优势.通过产生的支持向量来概括数据集合中的信息,其分类核函数仅依赖于一小部分训练样本,即支持向量,从而降低信息的采集量和识别时间.本文介绍了说话人识别的基本原理,特征提取、模型训练等方面,通过实验证明支撑向量机(SVM)在说话人识别系统应用中表现出的良好性能.     

基于PSO-SVM的油田注水动态预测模型

分析油田注水开发的动态过程中产油量与各注水开发影响因素之间的复杂非线性关系对实现油田最优控制开采及预测开发指标具有实际意义.通过引入粒子群算法(PSO)对支持向量机(SVM)的参数进行优化,提出了一种基于PSO-SVM的油田注水动态预测模型.该模型利用SVM采建立注水开发影响因素和产油量之间的复杂非线性关系;同时利用P...     

基于SVM回归的新型工业化水平综合评价研究

文章构建测度新型工业化水平的8项一级指标和37项二级指标,应用支持向量机回归模型(SVM),对2010年我国30个省市自治区的新型工业化水平进行综合评价,并和BP神经网络法的结果进行对比,发现SVM具有较好的非线性预测能力和良好的拟合结果。     

基于SVM的信号解调算法

在小样本、低信噪比条件下，同步参数估计会存在较大误差，从而导致信号解调性能的降低。为了解决该问题，将信号解调看成有限长度采样样本的学习问题，并利用支持向量机（SVM）良好的学习性能，在存在同步误差的条件下，通过提高判决端的处理能力来改善系统的接收性能，提出了基于SVM的信号解调算法。在Matlab环境下，对提出算法在精准同步、残存同步误差、高斯白噪声和高斯色噪声等情况进行了计算机仿真，结果表明，相比于匹配滤波器算法，基于SVM的信号解调算法能较好地克服定时误差和相位误差以及色噪声对解调性能的影响。     

基于主成分的RBF核SVM在财务预测领域的应用

支持向量机(SVM)是实现结构风险最小化归纳原理的一种机器学习理论,在有限的学习模式下具有良好的泛化能力。为了评估支持向量机的预测性能,本文通过对684家企业进行财务分析,进而预测企业在未来两年是否会被ST。建立基于主成分的RBF(核函数)核SVM模型,将支持向量机与传统学习算法进行比较,结果表明支持向量机有效地提高了预测的精度,具有良好的泛化和预测能力。     

基于SVM图像分析的“三生”景观体系构建及设计研究

在景观设计中，环境因个体参与而发生变化。这种强调个人意图的行为称为参与式设计。党的十九大报告指明了当代我国最主要的社会矛盾，这一矛盾的形成，就是因为人们充分意识到美好生活的重要性，农村群众迫切希望能改善生活，城市对农村的需求也有了新改变。文章运用SVM方法尽可能地规避结构风险并增强学习机的泛化能力，通过有限的训练样本得到有效决策，尽管相对于独立的测试集从这种训练样本中所得到的决策规则仍然可以得到很小的误差。作为非线性处理能力强的核心方法，在数据处理领域发挥着重要作用。它不仅是数据处理领域的热点之一，也是进一步发展的重点和难点。另外，SVM算法是一个凸二次优化问题，可以保证极值解是全局最优解。本文主要研究田园综合体的SVM图像分析和“三生”景观设计，即农村发展以田园综合体为核心，在这样的发展模式中，要将更多精力用于“三生”即生产、生活、生态的建设，在设计乡村景观方面要体现出生态化、特色化，更好地展现地域风采。     

基于LBP的路面裂缝检测和破损程度估计

本文提出了一种基于LBP的路面裂缝自动检测和破损程度估计。首先，用包含裂缝的路面图片为正样本，不包含裂缝的路面图片为负样本，利用LBP特征训练一个SVM裂缝检测器。该分类器用于从海量路面影像中快速筛选出破损路面的图片，从而达到路面裂缝自动检测的目标。然后对筛选出来的破损路面图片，用滑动窗口技术和SVM局部裂缝检测器估计路面的破损情况。实验结果表明能防止胎痕，油污对裂缝检测的干扰，相对传统路面裂缝检测算法快速，高效。     

基于混合模拟退火算法和SVM的电网协调性发展水平评价研究

建造协调的、可持续发展的电网是我国电网发展的必然趋势。本文从资源协调性、社会协调性、经济协调性以及环境协调性四个方面给出了电网协调性发展的评价指标体系,并利用SVM多类分类模型和模拟退火算法对电网的协调性进行评估,可以有效的应用在电网的协调性发展评价中。     

中小企业纳税评估中的预警问题研究

针对当前纳税评估中存在的问题,构建了纳税评估指标体系,提出了基于支持向量机(SVM)和领域知识的纳税评估预警模型,该模型可以很好地对企业的纳税情况进行分析和判别,有利于税务部门开展税收调查工作。