基于分类SVM的时间序列预测研究

文章讨论了基于分类的SVM非线性回归算法及其在时间序列预测中的应用。与传统SVM回归算法相比,本算法有更强的不敏感性和健壮性、参数值可设定性并可避免过拟合现象。文中提出了一种计算预测模型初始参数值的方法,可以高效地找到较好的模型参数,并通过实验对方法的有效性和可行性进行了验证。     

基于遗传模拟退火算法的LS—SVM参数选取

决定LS—SVM性能的因素是惩罚因子C和核函数的选取。核函数通常选用RBF核函数。本课题基于遗传模拟退火算法来优化LS—SVM的参数组合（C,γ）,并通过土石坝渗水量的数据做实例分析,测试结果同没有进行参数优化的最小二乘支持向量机测试结果和BP神经网络测试结果进行对比,结果表明基于改进遗传算法优化最小二乘支持向量机参数的建模方式,建模速度和预测精度同后面两种方法相比都有所提高,有着广阔的应用前景。     

基于最优模糊SVM的财务危机预警研究——来自成渝经济区上市公司的经验证据

以我国成渝经济区上市公司为研究对象,将模糊方法(Fuzzy Approach)引入支持向量机(Support Vector Machine,SVM),构建了模糊支持向量机(FSVM)模型,并对四种不同核函数下的FSVM进行了性能对比研究,同时,也与传统统计模型和其余人工智能模型进行了性能对比研究。实证结果表明,Gauss径向基核函数下的FSVM模型不仅较线性、多项式和神经元的非线性作用三种核函数下的FSVM模型具有更为优越的预测性能,同时,也显著优于传统统计模型和其余人工智能模型。     

基于最优模糊SVM的财务危机预警研究--来自成渝经济区上市公司的经验证据

以我国成渝经济区上市公司为研究对象,将模糊方法（Fuzzy Approach）引入支持向量机（Support Vector Machine, SVM）,构建了模糊支持向量机（FSVM）模型,并对四种不同核函数下的FSVM进行了性能对比研究,同时,也与传统统计模型和其余人工智能模型进行了性能对比研究。实证结果表明,Gauss径向基核函数下的FSVM模型不仅较线性、多项式和神经元的非线性作用三种核函数下的FSVM模型具有更为优越的预测性能,同时,也显著优于传统统计模型和其余人工智能模型。     

基于改进FOA的SVM参数优化研究

为了提高支持向量机(SVM)分类性能,同时针对果蝇优化算法(FOA)寻优精度不高和易陷入局部最优的特点,提出了一种改进的FOA算法(LFOA),并将其应用于SVM的参数寻优中。该方法在运算个过程中根据果蝇种群的进化程度,动态的将种群分为较差子群和较优子群;较差子群在最优个体的指导下以基本FOA算法进行全局搜索,较优子群则围绕最优个体做Levy飞行,进行精细化局部搜索;两个子群的信息通过全局最优个体的更新和种群个体的重组进行交换。通过对UCI数据库中几个经典数据集的分类测试结果表明,基于LFOA优化SVM参数能够提高SVM的分类性能,效果优于其他几种方法。     

基于SVM的我国区域创新能力的甄别技术研究

文章采用基于统计学习理论的小样本分析方法——支持向量机（SVM）,构建了我国区域创新能力甄别的SVM模型,对我国区域创新能力进行了甄别。研究表明,各组检验样本的平均正确甄别率都在90％以上,证明支持向量机对区域创新能力具有良好的识别能力,特别是表现出对小样本的适应性,为我国区域创新能力评价提供了新的方法和思路。     

SVM分类器在继发性干燥综合征诊断中的应用

本文为解决SLE患者并发继发性干燥综合征不易诊断及确诊主观性较强等问题,提出了一种可供计算机学习的支持向量机智能算法预测诊断模型。首先对材料中141名患者的26种相关诊断指标进行数据预处理,使之成为能够适合支持向量机计算的量化数据;其次运用交叉验证法、网格搜索法、改进的粒子群优化算法分别对支持向量机模型中的惩罚系数C与核参数g进行优化选择,并利用MATLAB软件分别画出以上3种优化方式得出的支持向量机参数模型;最终对比选出对SLE患者并发继发性干燥综合征疾病诊断预测度最高的预测模型。结果表明,基于改进的粒子群算法优化的支持向量机分类模型参数的自优化,对该疾病预测诊断精度最高。     

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。     

基于支持向量机的会计信息失真识别研究

公司会计信息不仅是资本市场必不可缺的信息资料,也是政府宏观和微观管理国民经济的重要信息来源,会计信息真实性是其基础和保障,尤其重要。本文构建了支持向量机分类识别模型框架,并采用支持向量机(SVM)算法对会计信息进行失真识别。实验中,选取2007年至2016年国泰安数据库A股上市公司为样本,选取了25个财务指标和5个非财务指标作为研究变量,将Lib SVM用于样本预处理、训练和测试,以建立会计信息失真识别模型。结果表明所建模型对会计信息失真企业的正确识别率达到94.8%,具有很好的实践价值。     

Opportunity recognition in technology transfer organizations

The task of recognizing valuable technological opportunities is crucial for the organizations in charge of transferring technology from universities and publicly funded research institutes to the market. Difficulties in understanding the true commercial potential of an application result in failed subsequent commercialization and excess costs of technology transfer. This paper describes how the task of opportunity recognition is performed in five Technology Transfer Organizations (TTOs). The analyzed TTOs had different degree of independence to the structure of the parent and make use of information and competencies acquired through their formal and informal network ties.

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。     

自动识别技术在军品包装中的运用策略

运用自动识别技术已成为军品包装发展的重要趋势。文中对目前军品包装中应用的几种主要自动识别技术的性能和特点进行了分析，在此基础上提出了自动识别技术在军品包装中的运用方案，并针对可能存在的问题提出了相应对策建议。     

基于SVM-GA的剩余使用寿命预测方法研究

提出了基于支持向量机和遗传算法的齿轮剩余使用寿命预测方法,该方法包含退化特征提取、状态数优化和寿命预测三个过程。齿轮箱全寿命数据用来对方法进行验证,通过分析单步和30步预测结果,充分说明了该预测方法的有效性,为后续工作奠定了基础。     

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。     

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。     

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。     

快速消费品配送中心选择优化的模型与算法

在考虑商品回款时间延迟的基础上,结合快速消费品（FMCG）企业物流配送网络的特点,建立了混合0-1整数规划的配送中心选择优化模型。该模型是一种特殊形式的选择一分配模型．具有NP难性质。为求解上述模型,提出一种基于SVM（支持向量机）的在线算法。实例研究表明．该算法能高效求得模型的优化解,是求解配送中心选择这类复杂优化问题的一个较好方法。     

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。