基于支持向量回归算法的RBF神经网络

支持向量机是由Vapnik等人提出的一种基于统计学习理论的新型机器学习算法,该技术已成为当前国际机器学习界的研究热点,并广泛用于解决分类和回归问题。本文给出了基于支持向量回归算法的RBF神经网络,实验结果表明,基于支持向量回归算法的RBF神经网络的泛化能力强、对样本的依赖程度低,它比基于RBF神经网络的建模方法具有更好的推广能力。     

支持向量机在模式识别中的应用

针对传统神经网络存在网络结构难于确定、过学习以及局部极小等问题，研究了基于支持向量机（SVM）的模式识别问题。通过对棋盘这种典型非线性二值问题的分类研究，分析了支持向量机的分类与泛化能力。支持向量机在分类和泛化能力方面远远优于传统神经网络。最后将支持向量机用于对两类飞机目标的分类识别，通过多组蒙特卡罗试验，获得了较好的识别结果。支持向量机在目标识别中有巨大潜力和广阔前景。     

商业模式量化研究综述

在撰写实证论文的过程中,如果需要用到商业模式作为研究变量,就绕不开商业模式量化这一问题。研究变量又分为定性变量和定量变量,同样商业模式的量化也可分为定性量化和定量量化。本文综合研究了2010—2022年有关商业模式量化的文献,发现商业模式量化的主要问题是如何建立一个可靠、完整的商业模式量化系统,然后再根据商业模式量化系统选择一个合适的变量量化方法。本文将商业模式量化方法分为定量量化、定性量化和综合量化,定量量化归纳为量表测量型和二手数据型,定性量化是通过收集企业文字信息进行分类量化,综合量化归纳为聚类分析型、虚拟变量型和阈值确定型。     

智能财务数据分类方法探究

从财务数据分析财务风险的成因,划分财务风险种类,确定财务风险的度量方法,支持向量机(SVM)是解决问题的最好算法之一。传统的支持向量机是两类分类问题,如何有效地将其推广到多类分类问题仍是一项有待研究的课题。本文介绍了支持向量机的基本原理,对现有主要的多类支持向量机对财务数据分类进行比较。     

基于X BRL的高等学校管理会计应用的数据标准化问题探析

高等学校管理会计应用正被提上日程,如何解决部门之间以及各系统之间数据传递问题,推进管理会计快速发展,成为管理会计发展首要解决的问题,基于XBRL的数据标准化,统一了数据交换的标准,对财务信息进行有效分类,使非结构化的财务信息转化为结构化的数据,成为国际通用的数据交换标准。本文对高等学校管理会计数据标准化问题进行了研究,提出建设性建议。     

一种最大分类间隔SVDD的多类文本分类算法

文本分类是信息检索和文本挖掘的关键技术之一。提出了一种基于支持向量数据描述(SVDD)的多类文本分类算法,用支持向量描述训练求得包围各类样本的最小超球体,并使得分类间隔最大化,在测试阶段,引入基于核空间k-近邻平均距离的判别准则,判断样本所属类别。实验结果表明,该方法具有很好的泛化能力和很好的时间性能。     

多媒体课件的设计与制作

随着时代的发展,教师教学已经不开信息技术,制作多媒体课件也成为了教师的基本技能之一。多媒体课件是创作者根据自己的创意,将信息进行分类,然后把文字、图形、图像、声音、动画、影像等多种媒体素材在时间和空间两方面进行集成,使它们融为一体。制作完成的课件有着丰富的表现力、交互性和极大的共享性。因此,多媒体课件的分类、为什么要制作多媒体课件、如何制作多媒体课件,以及怎样制作、通过哪些工具软件来制作多媒体课件,便成为了现今教师教学中值得关注和研究的问题。     

一种基于方向标记的有限反馈量化方法

随着天线数目和反馈比特数的增加,大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）信道向量量化的复杂度大幅增加。为此,提出了一种基于方向标记的有限反馈量化方法。该方法将码本中码字进行分组,每组选取一个向量作为方向标记向量,在进行量化时,信道向量首先与各组方向标记向量进行比较,将与信道向量最接近的方向标记向量所在组选为待选码本组;在待选码本组内进行下一步量化,最终选出与其最接近的量化向量为最优码字。复杂度分析与仿真结果表明,所提方法缩小了待选码字的数量从而降低了计算复杂度,是系统性能与计算复杂度的一种折中。     

基于关键词组合向量模型的文本自动分类研究

本文描述了一种新的基于关键词组合模式的文本向量空间表示模型,相对于只使用文本中词语的频率的文本向量空间模型,这种新的模型在可以计算的前提下,使用了词语之间的相对位置信息,从而可以解决部分词语向量空间模型表示的不足。本文讨论了使用这种模型的自动文本分类系统,包括分类系统的结构、特征提取、文本相似度计算公式,并给出了评估方法。     

结合新型模糊支持向量机和证据理论的多传感器水质数据融合

在多传感器水质数据融合领域，证据理论是有效的数据融合方法之一，但基本概率分配一般不易确定，从而使数据融合能力难以有效发挥。支持向量机是统计学习理论之上的高级分类算法，具有普适性和全局优化等特点，但输出的基本概率分配有待进一步提高。提出了一种基于证据理论和新型模糊支持向量机相结合的数据融合方法，通过建立基于分类超平面距离的模糊隶属度，训练模糊支持向量机提高传统支持向量机的基本概率分配，并结合证据理论进行海河水质数据融合。通过证据理论分别结合支持向量机和模糊综合评价法与上述方法进行对比实验，经精度、平均绝对百分误差、均方根误差等指标验证，精度提高10.5%，表明所提方法是一种可靠的多传感器的水质融合方法，较其他方法具有更高的融合精度。     

基于在线拍卖数据价格敏感度量化的实证研究

近年来,以C2C为主要形式的中国网络购物发展迅速,价格成为影响网上消费者购物决策行为的主要因素之一,如何对消费者价格敏感度进行量化逐渐成为关注的焦点。本文利用淘宝网一口价数据为样本,实证研究了网购用户价格敏感度的量化问题,进行了商品价格与信用度偏相关分析,为商品定价提供了建议。     

数字经济发展背景下数据分类分级方法研究

国家高度重视数字经济的发展,持续促进数字技术和实体经济深度融合。数据资源作为新型生产力的重要组成部分,将进一步推动产业向创新驱动的发展模式转变。如何设计有效的分类分级方法,使其具备更强的可操作性是目前亟待解决的问题。本文基于层次分析法,提出以定性和定量相结合的方法来确定数据安全等级,并依据数据分类分级方法设计基于PDCA模型的工作流程。     

滤波-支持向量回归机

本文是在支持向量机、支持向量回归机的理论基础上,提出了一个新的回归算法,即滤波-支持向量回归机的算法.该算法主要思想是:对于有噪声的样本数据,导致分类错误率比较高.为此,我们先进行滤波处理,然后用单参数约束下的支持向量回归机的算法进行训练得到分类器.该算法可提高样本的稳定性,增强了分类器的分辨能力.地基土物理数据分类的实验结果也显示了该算法是有效的,在一定程度上优于硬ε-带支持向量回归机的算法,使得分类准确率从57.7%提高到96.15%.     

空间秩深度加权的鲁棒性支撑向量机

提出了一种基于数据深度加权的鲁棒性支撑向量机.针对支撑向量机对噪声或离群点的高敏感性,在其优化函数的正则项中增加深度因子,以针对性地弱化这些点对分类结果的影响,使得分类更具有鲁棒性.给出了1范数和2范数约束下的深度加权支撑向量机的具体形式,并推导了空间秩深度在特征空间中的求解方式.相对于文献中的中心距加权方式,该方法抗噪声能力更强.     

基于Authorware的产品说明多媒体课件开发

随着计算机技术和网络技术的发展,多媒体课件在课程教学、广告和产品使用说明等方面的应用越来越广泛。Authorware以强大的功能、友好的界面和基于图标和流程线的特点,使其成为多媒体课件开发的主流软件。本文从实际开发经验出发,介绍了基于Authorware的多媒体课件开发流程,及开发过程中应关注的问题。     

基于同步压缩短时傅里叶变换的微型无人机识别

针对利用雷达微多普勒效应的微型无人机识别问题,提出了一种基于同步压缩短时傅里叶变换（Synchrosqueezing Short-Time Fourier Transform,SSTFT）的分类识别方法。首先对无人机的微多普勒回波信号进行SSTFT从而获得信号时频谱,然后对时频谱进行多维度特征提取获得回波信号的时频特征及频率变化特征,最后将所获得联合特征输入到支持向量机（Support Vector Machine,SVM）中进而实现无人机的分类识别。基于实际雷达数据的实验结果表明,所提无人机分类方法准确率可达到97.03%。     

浅析电网自然区域的负荷预测

本文以电网自然区域负荷预测为研究对象,从影响电网自然区域负荷预测数据的因素分析以及基于支持向量回归误差修正的电网自然区域负荷预测分析这两个方面入手,围绕这一中心问题展开了较为详细的分析与阐述,井据此论证了提高电网自然区域负荷预测数据精确性在确保电力系统稳定可靠运行过程中所发挥的重要作用与意义。     

会计信息失真识别的成本控制型支持向量机模型

在会计信息失真识别问题中,考虑到决策失误所付出的不同错误分类成本以及样本数据的不平衡分布等特点,使得基于总体准确率的数据挖掘方法不能获得理想的识别效果。本文针对会计信息失真识别问题的特点,建立了一种成本控制型支持向量机模型,利用粒子群算法进行特征选择和参数优化,从而降低总体的错误分类成本。实验证明,该模型能够有效的识别出虚假的财务报告。     

基于SVM算法的经济区域分类分析

本文应用支撑向量机模型按照不同资源位指标体系对经济区域进行更细致的分类,解决了样本不足的问题。通过支撑向量机模型的建立,有可能在样本比较少的情况下对经济区域按照资源位进行更为合理的分类,同时与按照某一类资源位指标体系的分类的结果进行对比,深入地揭示该区域在哪些指标上具有优势或是发展潜力。     

基于光滑支持向量机的经济预测模型

由于支持向量机方法具有推广能力强、拟合精度高、全局最优等特点,将支持向量机应用于对经济发展水平的预测中,建立基于支持向量机的经济预测模型,近年来受到了广泛的关注,并得以迅速发展.但在处理大数据时,求解支持向量机对应的二次规划问题是非常棘手的,如何有效求解支持向量机是一个不可回避的研究课题.光滑支持向量机是标准支持向量机的一种改进形式,其在经济走势预测中的应用已显示出了优越性.本文主要介绍了光滑技术在支持向量机中的应用及具体算法.