基于启发式SVM的入侵检测系统研究

文章针对支持向量机参数一直存在根据经验确定不足的问题,提出将启发式支持向量机快速学习算法应用于入侵检测系统中。为了使支持向量分类机获得更好的分类性能,该算法提出以启发式规则选取对分类器最有利的样本进行训练,以确定支持向量机的参数,并采用内积矩阵分解算法提高分类速度,达到提高学习速度的目的。实验表明该算法在入侵检测系统中的应用优于标准支持向量机算法。     

两种减少噪声对双支持向量机影响的方法

双支持向量机是Jayadeva等人在2007年提出的一种新的支持向量机.在处理模式分类问题时,双支持向量机的训练速度远远超过传统的支持向量机,计算效率大约是传统支持向量机的四倍.但双支持向量机没有考虑到不同样本点对最优超平面所产生的影响,而是同等对待所有的训练数据样本来构造最优超平面,从而无法降低噪声对分类面的影响.为了克服这个缺点,总结提出了两种方法,一是将模糊技术应用于双支持向量机中,对不同的样本采用不同的惩罚权系数,找到适合的隶属度函数来提高双支持向量机的分类准确率;二是将超球体技术与双支持向量机相结合,清除数据样本中的噪声,减小系统结构误差.实验证明这两种方法能有效的减少噪声的影响.     

基于支持向量机的消费者行为分类方法

"大数据"时代的来临,企业更加重视通过数据分析来洞察消费者行为,以实现更为精准的营销模式。现有对消费者行为的分类方法主要有层次分析法,聚类,贝叶斯网络等。文章引入支持向量机的方法应用在消费行为分析中,它是在统计学理论基础上发展起来的一种新的模式识别方法,在解决有限样本,非线性及高维模式识别问题中表现出许多特有的优势。最后,文章利用广东省烟草公司的实际调研数据进行支持向量机的训练。文章发现,相比于传统的消费者行为分类方法,支持向量机用于消费者行为分析是一种更精确有效的分类方法。     

径流长期预报的支持向量机方法

支持向量机是近年来提出的一种新的机器学习算法,在解决小样本、非线性及高维模式识别问题中具有独特的优势。针对径流形成过程的不确定性和复杂性,提出了基于支持向量机分类模型的径流长期预报方法。相关研究表明,该方法是可行的,具有预测精度高和良好的可靠性等优点。     

径流长期预报的支持向量机方法

支持向量机是近年来提出的一种新的机器学习算法,在解决小样本、非线性及高维模式识别问题中具有独特的优势.针对径流形成过程的不确定性和复杂性,提出了基于支持向量机分类模型的径流长期预报方法.相关研究表明,该方法是可行的,具有预测精度高和良好的可靠性等优点.     

基于支持向量机的交通信息融合算法研究

支持向量机(SVM)是一种崭新的机器学习方法,它建立在结构风险最小化原理的基础上,具有很高的泛化性能。此方法能解决小样本、非线性及高维模式识别中的问题。本文以高速公路上的交通流参数为研究对象,提出了一种基于支持向量机的信息融合算法,并利用事件和非事件条件下的模拟数据对支持向量机进行了训练和测试。同时将该算法与多层前向神经网络(MLF)算法进行了性能比较,仿真实验结果表明该算法具有更好的分类效果,更高的检测率和更低的误报率,可以明显改善检测效果。     

基于LapSVM的物流编号图像自动识别算法

根据目前物流编号识别效率和精度低的缺陷,提出一种基于图像处理和Laplacian支持向量机(Lap SVM)的物流编号自动识别算法。该算法通过图像采集设备获得物流编号图像,对图像进行预处理和数字字符分割,接着对各个数字字符图像进行特征提取,同时利用标记样本与未标记样本来训练支持向量机(SVM)分类器,实现很少标记样本下的精确字符分类,从而达到编号识别的目的。     

支持向量机在装备维修备件需求量预测中的应用

利用支持向量机回归算法建立备件需求模型,对未来备件需求进行了预测,并结合实例将支持向量回归算法与传统的最小二乘拟合方法作比较。结果表明,支持向量回归算法在预测精度上具有明显的优势,该方法能够较好地适应样本数量较少、需求呈非线性特征的备件预测问题。     

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。     

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。     

基于SVM的虹膜识别技术

文章主要阐述了基于支持向量机方法进行虹膜识别,首先利用虹膜处理系统对采集到的虹膜图象预处理,得到条形图象,然后利用主元分析方法(即PCA方法)进行特征提取,以达到降维的目的,得到的一个训练样本对应一个40维的向量,最后利用支持向量机使用序列最小优化算法进行虹膜识别。平均识别率达到了94.3%,结果表明本文的方法取得了较好的效果,降低了训练时间,提高了训练效率。     

Interpoint Distance Classification of High Dimensional Discrete Observations

Classification is a multivariate technique that is concerned with allocating new observations to two or more groups. We use interpoint distances to measure the closeness of the samples and construct new rules for high dimensional classification of discrete observations. Applicable to high dimensional data, the new method is non‐parametric and uses test‐based classification with permutation testing. We propose a modification of a test‐based rule to use relative values with respect to the training samples baseline. We compare the proposed rule with parametric methods, such as likelihood ratio rule and modified linear discriminate function, and non‐parametric techniques such as support vector machine, nearest neighbour and depth‐based classification, under multivariate Bernoulli, multinomial and multivariate Poisson distributions.     

Can media and text analytics provide insights into labour market conditions in China?

The official Chinese labour market indicators have been seen as problematic given their small cyclical movement and their only partial capture of the labour force. In our paper, we build a monthly Chinese labour market conditions index (LMCI) using text analytics applied to Mainland Chinese-language newspapers over the period from 2003 to 2017. We use a supervised machine learning approach by training a support vector machine classification model. The information content and the forecast ability of our LMCI are tested against official labour market activity measures in wage and credit growth estimations. Surprisingly, one of our findings is that the much-maligned official labour market indicators do contain information. However, their information content is not robust and, in many cases, our LMCI can provide forecasts that are significantly superior. Moreover, regional disaggregation of the LMCI illustrates that labour conditions in the export-oriented coastal region are sensitive to export growth, while those in inland regions are not. This suggests that text analytics can, indeed, be used to extract useful labour market information from Chinese newspaper articles.     

支持向量机在航材供应模型中的研究

针对部队航材供应量预测过程中,样本采集数目较少的实际情况,采用了一种新的预测方法—支持向量机。该方法基于统计学习理论的原理,较好地解决了小样本的学习问题。并以某部队2000～2007年某项航材供应量为学习样本,建立了该项航材的供应量预测模型。计算结果表明,这种方法比传统的方法具有更少的误差和更好的预测精度。     

基于支持向量机的鸡蛋供应链中价格预警研究

鸡蛋价格的大幅波动对鸡蛋供应链中生产者、经营者和消费者产生严重的影v向,因此鸡蛋供应链中的价格预警问题亟待研究。支持向量机是一种建立在统计学习理论基础上的机器学习方法,能够较好地解决小样本、非线性和局部极小点等问题。文中基于支持向量机方法建立鸡蛋价格预警模型,运用libsvm软件对样本集进行参数寻优、训练和测试。结果表明模型预警结果与实际情况相符,模型可以帮助鸡蛋供应链中的各主体在采购、生产、仓储、销售等方面更好地决策。     

Discrimination of Observations into One of Two Elliptic Populations based on Monotone Training Samples

In this paper we deal with the problem of classifying a p-dimensional random vector into one of two elliptically contoured populations with unknown and distinct mean vectors and a common, but unknown, scale matrix. The classification procedure is based on two-step monotone training samples, one from each population, with the same monotone pattern. Our aim is to extend the classification procedure, which proposed recently by Chung and Han (Ann Ins Stat Math 52:544–556, 2000). This procedure is a linear combination of two discriminant functions, one based on the complete samples and the other on the incomplete samples. The performance of the proposed classification rule is compared with the plug-in method, this means with the classification rule which arises if the unknown parameters are substituted, into the usual classification rule, by their estimators. In order to apply the plug-in method, the MLE of the location parameters and of the common scale matrix of g ≥ 2 elliptically contoured populations are analytically obtained on the basis of two-step monotone training samples.     

基于粗糙集和C-均值聚类支持向量机的员工绩效评估方法

利用粗糙集的约简算法及类边界集分别选出影响绩效的核心因素和样本的边界集,将其应用于C-均值聚类网络得到具有概率信息(权重)的样本,作为支持向量机(SVM)的输入建立员工绩效评估模型。实例表明,该方法拟合率高,且性能优于SVM算法。     

改进BP神经网络的研究及应用

人工神经网络具有强大的非线性映射能力,已经被应用于模式识别、智能控制、图像处理以及时间序列分析等各种领域。本文针对BP算法的不足,提出了BP算法的启发式改进,通过对遗传神经网络模型及其算法进行分析和研究,针对遗传算法的主要缺陷介绍了一种常用的改进类型。