On Consecutive Closing Price of Rubber Based on SVM＇s Regression Forecast with Noise-reduction

基于支持向量机的预测模型对橡胶连续的收盘价原始数据和降噪后数据进行预测,并对拟合得到的2个结果进行对比．结果表明：对时间序列降噪后,再用支持向量机进行预测模拟,相比直接用原始数据得到预测结果要精确得多,也具有很好的推广价值．     

基于SVM和LS-SVM的住宅工程造价预测研究

为在方案设计初期与工程造价相关信息很少的条件下,准确快速地预测住宅工程造价,在分析既往相关理论和方法优劣的基础上,选取支持向量机构建住宅工程造价预测模型,并通过主成分分析对原始数据进行降噪处理.选取住宅工程造价预测指标集与样本,对输入指标的数据进行主成分分析,消除指标相关性的同时对原始数据降维,将处理后的数据分别导入到"标准支持向量机"和"最小二乘支持向量机"模型中进行训练和预测,并对预测结果进行对比分析,选取较为合理的预测模型,通过参数寻优进一步优化预测效果.所构建预测模型的相对误差均控制在±7%以内,预测精度较高,结果稳定.     

模糊聚类支持向量机的区域空气PM_(2.5)浓度预报

在分析模糊C均值聚类算法与支持向量机回归的特点后,将二者结合,提出了模糊聚类支持向量机回归(FCM-SVR)算法,对空气中颗粒物浓度PM2.5进行预测.该方法首先利用模糊C均值聚类算法把一个复杂的数据集分成多个群体,再在每个群体上建立支持向量机回归(SVR)模型,然后进行集成,对区域空气的PM2.5浓度进行预测.预测结果分别与自组织竞争神经网络支持向量机回归(SOM-SVR)模型和单一的支持向量机回归(SVR)的结果进行比较.结果表明,FCM-SVR模型的预报准确率高于SOM-SVR模型和SVR模型.     

基于支持向量机相关性分析的波浪能发电电力负荷预测

以支持向量机的相关分析为基础,对波浪能发电负荷预测进行了研究。基于电力负荷值和电流值的电力负荷预测对于发电站而言非常重要。本文讨论了基于支持向量机方法的不同负荷预测中需要考虑的环境因素,并建立了负荷预测的详细过程。实证分析表明,基于支持向量机的负荷预测方法在短期负荷预测中具有良好的应用效果,具有预测误差小,精度较高的特点。实验结果表明,本文所提出的支持向量机算法能显著提高电力负荷预测的整体性能。     

基于BP神经网络与多分类支持向量机的水质识别与分类

介绍BP神经网络与多分类支持向量机等分类模型的基本原理,并基于这两种方法对水质识别与分类的准确度进行实例比较研究,随机抽取了南昌市内2010-2013年水域水质的300组数据为样本,选取了pH,氨氮,Cl-,SO2-3,总硬度,硝酸盐氮为评价的主要特征。通过把训练后的模型在测试集中进行的检验对得到的模型进行评估,表明了BP神经网络和多分类支持向量机均可以较好地解决水质识别与分类过程中存在的复杂性,多变量,非线性等问题,相比较而言多分类支持向量机有较强的鲁棒性,预测结果更为精确稳定,将其应用到水质评价中具有一定的可行性。更多还原     

一种基于核主元分析的支持向量机识别方法

核主元分析具有能较好地提取非线性特征的优势;支持向量机具有的非线性映射能力,且泛化能力强.它们在分类与识别中应用时都各有自己的优点,结合核主元分析和支持向量机的特点,提出一种基于核主元分析的支持向量机识别方法,用该方法分别对 ORL 人脸库和iris数据集中的数据进行分类与识别,结果表明:如果根据设计好的核函数的参数,可以得到极高的识别率.     

基于改进蛙跳算法优化的支持向量回归机ORP预测

氧化还原电位是生物氧化提金预处理过程中的一个重要工艺参数,为了实现对氧化还原电位的准确预测,提出一种基于改进的蛙跳算法优化支持向量回归机的预测方法.该算法是在标准蛙跳算法的基础上,参照反向差分的思想对种群进行初始化,将粒子群个体认知引入算法的局部寻优.通过改进的算法优化支持向量回归机的关键参数,并以新疆某金矿的实际生产数据进行仿真,结果表明该方法具有较高的预测精度.     

最小二乘支持向量机的一种改进算法

最小二乘支持向量机相比传统的支持向量机，丧失了解的稀疏性，影响了二次学习的效率。对原有的最小二乘支持向量机在稀疏性上进行了改进，并通过实验，对改进后的摄小二乘支持向量机的分类效果进行了验证。     

基于支持向量机理论的滑坡灾害预测——以浙江庆元地区为例

滑坡发生受很多因素影响，揭示因素与发生滑坡事件的关系是当前滑坡研究中的一个重要内容．运用支持向量机理论，利用数字高程和遥感数据，构建了滑坡预测的支持向量机模型，并以浙江庆元县境内滑坡发生集中区为试验区，开展滑坡灾害的预测与评价，取得了与实际滑坡较为一致的结果．认为基于支持向量机理论建立的滑坡预测与评价模型可以快速准确地实现滑坡灾害区域评价与预测．     

SVM回归法在汛期旱涝预测中的应用研究

研究基于统计学习理论的支持向量机（SVM）回归在汛期旱涝预测中的应用．根据浙江省38个测站的降水量资料，用正态化Z指数对汛期旱涝等级进行划分，得到了能够反映全省旱涝状况的指标．以此指标作为预测量，通过相关分析从前期大气环流场、海温场中选取高相关预测因子，应用逐步回归和SVM回归技术分别建立浙江省汛期旱涝短期气候预测模型，并进行了对比分析．结果表明：SVM回归模型集中了众多预测因子的预测信息，有效地利用了支持向量机方法的非线性映射能力，无论在历史样本拟合的精度上还是模型实际预测的能力上都比传统的逐步回归方法有一定提高，具有较好的应用效果．     

基于相关向量机的多类蛋白质折叠识别

蛋白质折叠的识别是一种不依赖于序列相似性的蛋白质结构研究方法.本文将相关向量机应用于蛋白质折叠的识别,将两类相关向量机推广到多分类情况,对多类蛋白质折叠进行识别.与支持向量机相比较,相关向量机无需调整多余的参数,核函数不需要满足mercer条件,实际数据集上的测试结果表明,相关向量机可以得到更加稀疏的模型,在交叉检验中获得了更高的精度,表明相关向量机是一种有效的识别蛋白质折叠的方法.     

融合蚁群算法与支持向量机的网络流量预测

网络流量的精确预测对控制网络拥塞有效控制有着重要意义。支持向量机是一种新的机器学习方法,能有效解决非线性、小样本及高维等问题。因为支持向量机的训练参数的取值与其预测能力有着较大关系,所以经常采用遗传算法选取训练参数。但是,遗传算法容易陷入局部极值,而蚁群算法     

基于因素分析和SVM模型的江海联运运量预测方法

鉴于江海联运运量受众多因素的影响, 为了解决江海联运运量预测问题, 先对江海联运运量影响因素进行分析, 再用灰色关联度分析筛选出其中的典型因素. 在此基础上应用粒子群算法优化的支持向量机建立江海联运运量预测模型, 应用于宁波港域江海联运量的预测. 结果表明, 该模型与传统时间序列预测方法相比具有较高的拟合度和预测精度, 为解决江海联运运量等多因素非线性系统预测提供了一条新的途径.     

基于改进Mask RCNN和SVR的无接触梭子蟹体质量预测研究

提出了一个改进Mask RCNN目标检测算法用以对养殖梭子蟹进行视觉特征测量. 通过在养殖区域采集梭子蟹图像, 用上位机识别梭子蟹旋转角度以及甲长和甲宽方向, 对输出的Mask进行模板修补, 提高模板内区域的置信度. 通过图像-实景对应关系换算梭子蟹的真实尺寸, 并估算其投影面积、甲宽与甲长, 结果准确率高于85%. 同时, 对视觉算法得到的梭子蟹尺寸特征与其体质量进行拟合, 引入k-means聚类, 实现双模型支持向量回归机(SVR)预测结构. 通过差分进化算法对SVR适应度函数进行寻优, 设计了随迭代次数、寻优效果同步变化的缩放因子, 以及适者更易生存策略的交叉概率因子, 以验证改进算法的寻优能力. 测试时, 对新传入的数据首先进行归一化处理, 然后判断所归属的聚类中心, 再传至相应的SVR模型进行预测. 测试结果相对误差小于18%.     

基于计算机视觉和GA-SVM的梭子蟹体重预测

以梭子蟹为研究对象,利用计算机视觉技术对其进行测量.通过CCD相机获取不同生长情况下的梭子蟹图像,采用图像处理技术对图像进行分割处理,计算获得的投影面积、全甲宽与甲长参数;利用图像获取的尺寸参数对梭子蟹体重进行预测,发现梭子蟹投影面积、全甲宽、甲长与体重具有正相关性;并采用遗传优化(GA)的支持向量机(SVM)建立梭子蟹体重回归预测模型.实测结果表明,梭子蟹体重预测值与实测值平均绝对百分比误差(MAPE)为2.23%,均方根误差(RMSE)为5.80 g,优于BP神经网络和参数未优化的SVM预测.证明基于计算机视觉与遗传优化支持向量机(GA-SVM)的梭子蟹体重预测方法能够达到梭子蟹体重测量要求.     

求解大规模矛盾方程组的最小二乘支持向量机算法

房价预测、共享单车出租数量预测、空气污染情况预测等常涉及矛盾方程组求解,对其数值求解方法研究具有重要的理论意义与应用价值。当矛盾方程组规模过大时,用传统的最小二乘法求解,不仅计算量大,而且由于误差积累使最终结果的准确性不高。鉴于此,采用机器学习中的最小二乘支持向量机（least squares support vector machine,LS-SVM）算法求解大规模矛盾方程组,并分别针对线性、非线性、单变量、多变量矛盾方程组进行了数值求解。数值结果表明,数据类型和数据量的变化对结果的影响不大,因此只要选取适当的参数就可建立合适的模型,得到高精度的预测结果。     

一种新的支持向量回归机TSVR

标准的支持向量回归机对于参数的选取有很强的依赖性.当选取的参数不恰当,或当数据受到噪声的污染时,回归的效果将受到较大的影响.笔者将训练点被正确划分的程度引入到支持向量回归机模型中,通过理论推导,提出了一种新的支持向量回归机TSVR,并给出了TSVR算法收敛的相关证明.同时,通过大量的数值实验,证明了TSVR具有较好的回归效果,其回归结果对参数的选取较不敏感,具有比标准的支持向量回归机更好的性质.     

基于Riesz基的再生核及支持向量机

在支持向量机(SVM)技术中,再生核的选择起着重要作用.利用L2(R)中的一组Riesz基构造再生核,并将其推广到应用广泛的正交小波.在基于正交小波的再生核Hilbert空间中考虑函数的正则化逼近,对基于正交小波再生核的SVM结合小波分析进行探讨,得到SVM的离散逼近,离散细节均只与支持向量有关.     

基于二叉树的多类SVM在Web文本分类中的应用研究

针对现有多分类支持向量机算法所存在的训练时间长、判别速度慢等问题,提出了一种二叉树多类支持向量机算法,该算法能够有效减少支持向量的个数,从而减少训练时间.为了验证算法的有效性,将该算法分别同l-v-r算法和l-v-1算法进行了比较,实验结果表明,提出的算法是有效可行的.     

一种可伸缩的支持向量机的硬件实现方法

提出了支持向量机（Support Vector Machine）学习过程硬件实现的一种新的数字电路结构,它可以在保证向量机学习速度的同时,提高支持向量机的硬件资源利用效率;此外基于此结构的支持向量学习机还可以适用于低于设计数的样本集．由于该设计的灵活性以及其对硬件要求的减小,使得支持向量学习机可以更好、更方便地应用于嵌入式系统中．