基于树皮特征的计算机辅助植物分类与识别

文章提出一种基于小波变换系数的广义高斯密度分布形状分类算法,利用小波变换系数的统计特性,形成描述彩色图像形状特征的特征矢量,利用支撑向量机分类器进行树皮纹理图像的分类。实验证明,算法提出的描述方式能够有效体现植物树皮纹理图像的形状特征,实验结果验证了模型的有效性。     

企业集团信用风险评估SVM集成分类器的构建与应用

将AdaBoost算法与支持向量机（SVM）相结合,建立了SVM集成分类器,并将之应用于商业银行的企业集团信用风险评估中。实证检验结果表明：SVM集成分类器较单一的SVM方法具有更高的分类准确率。     

财务报告舞弊识别效率改善研究——基于分类技术改进和数据信息优化兼容视角

笔者选取2007—2015年沪深两市主板市场被首次处罚的制造业上市公司及其配对的非舞弊公司为研究对象,基于历史财务指标波动性构建财务舞弊识别模型.研究结果发现:历史异常数据具有较好的舞弊识别效果;单独改进识别技术并不必然提高舞弊识别效率;为提高舞弊识别效率应同时改进分类技术和优化数据特征,提高两者的兼容性;在消除共线性的情况下,识别技术越先进舞弊识别效率越高,其中主成分支持向量机模型财务舞弊整体识别率为85.7%,高于单独改善某一方面的识别效果.     

基于微分进化算法的支持向量机预测模型及其在制造业发展预测中的应用

根据支持向量机的自适应问题,通过对比传统进化算法的不足,提出基于微分进化算法的支持向量机模型,并以日本制造业时间序列数据为例,进行了较为准确的多步预测。     

基于免疫优化多分类SVM的变压器故障诊断新方法

本文旨在将免疫算法与多分类支持向量机（SVM）进行结合,利用免疫系统的特殊性能将支持向量机分类所要用到的参数进行优化,从而减少分析诊断过程中所做的无用功,能够迅速有效的实现对变压器发生的故障的诊断和处理,防止事故范围的进一步扩大,从而保障了供电的稳定可靠性。     

股权属性、董事会特征与绩效识别——支持向量机(SVM)在公司绩效识别中的应用研究

与现有研究文献不同,文章采用基于统计学习理论的新型机器学习方法——支持向量机(SVM),通过2004年沪市的机械、设备、仪表行业上市公司的股权属性、董事会特征对公司绩效进行识别。研究结果显示,各组检验样本的正确识别率基本都在80%以上,证明支持向量机对公司绩效具有良好的识别能力,特别是表现出对小样本的适应性。     

基于LS-SVM的企业信用等级分类系统研究

利用主成分分析建立了企业信用评价财务指标体系,将信用风险评价的问题看作是对贷款企业信用风险的模式分类问题,在此基础上构建了最小二乘支持向量机信用等级分类系统,最小二乘支持向量机相对于其他支持向量机和神经网络,运算速度快易于操作,因此在我国商业银行信用风险评价领域的具有较大的应用前景.     

基于主成分分析和支持向量机的个人信用评估

本文针对信用评估指标维数较高的问题,运用主成分分析与支持向量机理论建立了一个新的个人信用评估预测模型。为反映该模型在信用评估分类方面的优越性,又分别建立了基于神经网络、K近邻判别分析等多种理论的信用评估模型,并用同一组数据对不同的模型分别进行训练,然后比较其预测分类正确率。实验结果表明,基于主成分分析与支持向量机理论的个人信用评估模型具有较优的预测分类正确率。     

基于支持向量机的供应链风险评估研究

供应链风险评估是供应链风险管理研究中的重要内容。笔者在文献研究及调研的基础上,通过调查问卷构建了一套供应链风险评估体系,将基于支持向量机的机器学习算法运用到供应链风险评估中,得到了供应链风险评估模型并进行了实证研究。研究结果表明:基于支持向量机的供应链风险评估模型可以完成对实际风险的评估,且具有较高的训练效率与精度,从而说明模型的有效性。     

基于小波自适应支持向量机的短期电价预测

电价预测对于发电商、供电企业以及市场监管者都具有重要的意义。提出一种小波自适应支持向量机预测模型,先将电价时间序列作小波分解得到低频和高频分量,再采用自适应调整法,自动地为支持向量机选择较好的参数对电价小波分量逐一预测,最后通过小波重构得到电价最终预测结果。实例证明前述方法得到的预测精度高于BP、RBF、SVM等传统预测模型。     

基于ICA在脑电信号特征P300提取研究

本文介绍了独立分量分析批处理的固定点的快速独立分量分析FastICA算法，并将该算法应用于脑电信号特征提取的消噪中。实验结果表明，采用该算法成功地提取了P300中的脑电信号特征，实现了微弱的多路脑电信号P300的有效提取。     

个人信用评估应用方法分析——基于集成学习算法视角

集成学习算法是一种基于统计理论以计算机实现的非参数识别技术。阐述了集成学习算法的基本思想,建立了基于Bagging集成学习算法的个人信用评估模型。通过确定相应的评估指标体系,使用一个小样本数据对所建模型的有效性进行了研究,结果表明,集成学习算法可以显著提高分类树的预测精度,且在个人信用评估的实践中具有较强的优势。     

遗传模拟支持向量机在居民消费价格指数预测中的应用

为了能够准确地对我国居民消费指数进行预测,本文深入研究了支持向量机在居民消费价格指数中的预测,首先阐述了最小二乘支持向量机的基本理论,接着提出了遗传模拟退火算法,最后进行实例研究,结果表明该方法具有较高的预测精度.     

农业信息化投入对农业产出贡献率评价研究

为进一步提高农业信息化投入对农业产出贡献的评价精度,提出一种基于粒子群优化算法优化LSSVR的混合智能评价方法,采用粒子群优化算法选取最小二乘支持向量回归机训练参数。首先,介绍粒子群优化算法优化LSSVR算法,并以农业信息化对农业总产出贡献率的预测进行农业信息化评估实验。选取广东省2003-2010年农业信息化对农业总产出贡献率的数据进行研究,表明基于粒子群优化最小二乘支持向量回归机的混合智能评估算法相比于传统的支持向量回归机有更好的评估效果。这种方法能较好地评价与预测农业信息化对农业总产出的贡献率,对正确引导我国农业信息化的发展具有重要的理论价值。     

舰船建造防污漆价格波动分析及其模型

基于防污漆价格数据（1998-2007年）绘制了其价格波动曲线,分析了其波动成因。为了反映波动规律和进行波动预测,又基于支持向量回归机算法建立了防污漆价格波动模型,并与经验算法和时间序列法进行了结果比较,证实了该波动模型的有效性。     

基于XGBoost算法的机会型创业预测研究

机会型创业对跨越中等收入陷阱，实现经济转型升级和高质量发展的作用日益凸显。基于计划行为理论，从主观规范、行为态度、知觉行为控制3个方面并结合人口统计学特征选择12个特征变量，构建机会型创业影响因素框架。在此基础上，基于全球创业观察数据库，运用XGBoost算法预测机会型创业并判别关键影响因素，将预测结果与3种机器学习算法进行比较。结果表明，基于准确率、精确率、召回率和F1值4个评估指标，XGBoost算法可以较好地预测机会型创业，优于逻辑回归、支持向量机和随机森林算法；创业自我效能、机会识别和关系感知是影响机会型创业的重要因素。聚焦新型创业研究，有助于拓展计划行为理论的适用边界和机器学习算法在创业领域的应用，为有效识别机会型创业和针对性培育机会型创业提供理论指导与实践启示。     

基于支持向量机的股市组合预测模型研究

首先利用线性回归模型提取股市系统的线性特征,其次神经网络提取股市系统的非线性特征,共同生成预测个体;最后利用支持向量机回归组合,时变权重分别赋权生成最终结论。建立基于支持向量机的股市组合预测模型,并对上证指数的日开盘价,收盘价实例分析,结果表明该方法取得较好的效果。     

煤层顶板冒落预测方法分析

本文以煤层顶板冒落数据作为样本,利用weka等软件,利用粗糙集理论等相关非线性理论知识,分别采用支持向量机和Bp-神经网络对煤层顶板冒落进行训练和预测.从详细的精度,混淆矩阵和节点错误率这三个方面分别比较三种算法,从而得到结论是:Bp-神经网络的训练和预测效果是稍微强于支持向量机.     

支持向量机在舞弊审计数据分析中的运用初探

支持向量机拥有良好的推广性能和较高的分类准确率,在舞弊审计中能提高效率和正确率,笔者通过研究,探索了支持向量机在舞弊审计数据分析中运用的主要方法,为审计实践活动提出了富有开创性的意见.     

基于支持向量机的虚假财务报告识别研究

如何识别虚假财务报告是一件十分困难的事情。针对虚假财务报告的特点,设计一个基于支持向量机的虚假财务报告识别模型将有助于该问题的解决。根据1999-2002年的年度审计报告意见类型,从上市公司中选取44家虚假财务报告样本,并按照一定的标准选择了44家对比样本,这88个样本构成训练数据集。类似地,从2003-2006年的上市公司中,选择了73家虚假财务报告样本和99家对比样本,这172个样本构成测试数据集。我们使用训练数据集对支持向量机模型进行训练,并将训练后的模型对测试数据集进行测试,取得了较好的实验结果。