基于RBF核的SVM核参数优化算法

SVM是一种新型的机器学习方法,其分类性能的优劣主要受核函数及核参数的影响,国内外学者针对SVM核参数的选择已提出许多算法．本文首先分析TRBF核参数对SVM分类性能的影响,然后又对比分析了目前存在的几种基于RBF核的SVM核参数选择方法．通过实验,发现使用遗传算法选择核参数的SVM有比较快的搜索速度．     

基于情感分析技术的股票研究报告分类

基于情感文本分析技术对股票研究报告中的投资建议进行分类.提取股票研究报告中的"组合特征";采用改进的卡方统计方法进行特征提取,并通过支持向量机(SVM)和朴素贝叶斯算法进行分类,验证分类效果;探讨了权重计算、特征维度和样本数量对分类效果的影响.基于东方财富网上采集的14 000篇股票研究报告的实验表明,通过提取"组合特征"、部分特征维度以及对训练样本重采样,可以取得较好的分类效果.     

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.     

关联余割函数的Hilbert型不等式及其应用

通过引入参数，构造了第一象限内的非齐次混合核函数，建立了常数因子最佳的Hilbert型积分不等式。利用余割函数的有理分式展开，证明了最佳常数因子可用余割函数的高阶导数表示。此外，通过对参数赋值，给出了若干特殊结论。     

离散型Hilbert不等式的推广及应用

通过引入两个参数,构造了一个离散的分式型的核函数,并由此建立相应的Hilbert不等式。利用余切函数的部分分式展开,证明了所构建的不等式的常数因子可用余切函数表示,且常数因子是最佳的。通过对参数赋值,得到了一些有趣的特殊结果。     

一个R2上含双曲函数核的Hilbert型不等式

通过引入参数，构造了一个全平面上的、含双曲函数的非齐次核函数。利用正切函数的有理分式展开，建立了最佳常数因子与正切函数高阶导数相关联的Hilbert型积分不等式。 作为应用，通过赋予参数不同的值，建立了一些有意义的特殊结果。     

一个R2上含双曲函数核的Hilbert型不等式

通过引入参数，构造了一个全平面上的、含双曲函数的非齐次核函数。利用正切函数的有理分式展开，建立了最佳常数因子与正切函数高阶导数相关联的Hilbert型积分不等式。 作为应用，通过赋予参数不同的值，建立了一些有意义的特殊结果。     

两参数Lomax分布形状参数的经验Bayes估计问题

依据经验Bayes(EB)估计的思想方法,研究在平方损失函数下两参数Lomax分布形状参数的EB估计问题。在这种损失函数下,获得了形状参数的Bayes估计,利用密度函数的递归核估计方法构造了相应的EB估计,在适当的条件下证明了所提出的EB估计是渐近最优的,并获得了它的收敛速度。最后给出一个满足文中主要结果的实例。     

基于遗传算法的多核支持向量机的参数优化

提出了利用遗传算法对多核支持向量机的权系数进行寻优的方法GA-MKL,先选择表现能力最好的参数的单核构成多核,再利用遗传算法来对多核的核系数来寻优.采用该算法在UCI标准数据集上进行了实验,结果表明,该算法为多核SVM的系数选择提供了一种可行的方法.与单核SVM相比,该方法具有更好的分类能力,和其他多核学习算法相比,性能也有一定的提高.     

一种基于局部核校准的核评估标准

作为一种独立于具体分类算法的核函数评估标准,核极化中用核函数表示同类输入模式之间的相似性增大而异类输入模式之间的相似性减小,这将导致核极化值的增大。针对该标准未考虑同类输入模式的局部结构信息的保持性,导致限制异类数据可分性的自由度增强的问题,本文提出一种"局部化"的核函数评估标准,称为局部核校准。局部核校准是核极化的自然推广,它不仅能够保持同类输入模式之间的局部结构信息,相对于核极化方法它能够获更好保证数据的可分性。理论分析和UCI数据集上的比较实验均表明局部核校准是一种更好的核函数评估标准。     

电商评论情感挖掘模型

通过对商品评论的挖掘,商家可以更好地了解消费者的需求从而及时改善产品的设计。目前,针对商品评论的挖掘大多数采用的方法是提取有效的情感特征并利用分类器进行分类。然而由于电商评论文本表述方式多样、行文不规范,口语化等特点,数据稀疏,文档特征维度过高,样本不均衡以及情感词典领域依赖性等问题都导致情感特征的提取过程愈发困难。为了解决这些问题,论文提出一整套针对电商评论挖掘方法,其融合多种策略构建电商领域情感词典;将文本长度作为特征;结合语料库对停用词表进行优化;将文档频率和TF-IDF算法结合进行特征选择和特征加权。论文以热水器评论作为语料库,以支持向量机为核心对所提出方法进行验证,实验结果证明所提出的方法能在降低文本维度的同时可大幅度提高情感分类的准确度。     

关于C^n空间中有界域上光滑函数的一种积分表示与λ—方程的解

得到Ｃ＾ｎ空间中有界域上光滑函数的一种含有全纯及可微分核的积分表示，这个公式的特点是积分核中有两个实参数ｐ，ｑ可供任意选择，它的取值范围是２≤ｐ，ｑ〈＋∞，利用这个公式，我们可以进一步得到有界域上方程局部的一种积分表示，而且它在含参数的局部意义下，可以证明有简单的一致估计。     

基于模糊模式识别的文本自动分类法研究

国分类在文献检索、信息过滤和文本管理等领域中有着广泛的应用,手工进行文本分类周期长、费用高、效率低,难以满足实际需要,本文给出了一种基于模糊模式识别与预定义类别的文本自动分类方法,并详细阐述了模糊模式识别原理及文本自动分类算法。     

基于多尺度特征提取网络的图像美学量化评分方法

提出了一种基于多尺度特征提取网络的图像美学客观量化评分方法，该模型主要由多个多尺度特征提取单元级联组成，每个单元包含由3个不同卷积核组成的特征提取层、融合层和映射层。特征提取层通过联合图像的全局视图和局部视图组成网络输入端，在输出端以EMD函数为损失函数，输出分布为1~10分的概率密度质量函数，并以分布均值作为图像美学量化值。实验证明，本文方法具有可行性和有效性，解决了传统方法只进行美感二进制等级分类的问题，给出了（模拟人类思维对）图像的客观量化评分；同时在AVA数据集上获得了优于几种主流算法的分类准确度。     

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.     

基于小波包分解与近似熵的脑电特征提取方法研究及在脑机接口中的应用

为提高运动想象脑机接口的分类正确率,结合小波包分解与近似熵对脑电信号进行特征提取。该方法利用小波包对脑电信号全频段进行分解,用近似熵函数对小波包结点提取分类特征,然后用稀疏表示对特征向量进行降维,最后使用功率差方法进行分类。实验结果表明,在使用1秒数据进行分类的条件下,该方法在使用2种不同通道集合时都取得了很好的分类效果。使用32个和10个通道时分类正确率分别达到了95.65%和86.41%,比小波包分解与空域滤波方法分别提高了5.9%和8.32%,比传统的共空域模式方法分别提高了7.18%和7.27%。另外,使用的数据长度越短,分类识别率越高,表明该方法更适用于较短的数据,有利于提高脑机接口的信息传输速度。     

删失场合下回归函数估计的强相合性

本文给出随机删失场合下非参数回归函数的一类核估计，得到核估计的强相合性，并证得对数律。     

Wigner高阶矩谱在分析相控阵探地雷达数据中的应用

将一种改进的Wigner高阶矩谱应用于相控阵探地雷达数据分析，研究了不同时频方法、参数、相位对时频图的影响，实验结果表明利用Wigner高阶矩谱良好的时频特性解决了传统雷达数据信号分析方法要求信号分布是高斯的、平稳的、最小相位的问题，通过解析预处理和加核函数克服了其他时频分析方法时频集聚性差、分辨率低、频率混叠、交叉干扰的缺陷．说明该方法能有效分析相控阵探地雷达数据．     

基于词嵌入扩充的口语对话文本领域分类

针对口语对话系统领域分类任务中传统领域分类方法如SVM需要进行大量人工标注的问题,将LDA(Latent Dirichlet Allocation)模型应用于口语对话系统领域分类;针对口语对话内容少、长度短、数据稀疏等问题,在LDA模型基础上提出了基于词嵌入文本扩充的口语对话系统领域分类方法.该方法主要特点是:1)使用词嵌入方法word2vec对类似于短文本的语音识别后的口语对话文本进行语义扩充,将短文本转化为长文本,使主题模型LDA更加有效地估计口语对话文本的隐含主题;2)采用无监督的概率生成模型LDA对扩充后的口语对话文本进行建模以及领域分类,从而降低人工标注成本.实验结果表明,与直接使用LDA模型进行口语对话系统领域分类方法对比,适当扩充长度的word2vec文本扩充方法在口语对话系统领域分类中的平均准确率、平均召回率和平均F1值分别提高了26.1%、25.5%、27.2%,且该方法具有一定的鲁棒性..     

测线调查样本密度推定中核函数选择的几点注记

对于半正态探知函数，使用两个最佳带幅宽和六个属于相同的函数族、不同的核函数(其中3个是经常被使用、著名的核函数，另外3个是我们作成的核函数)来进行密度推定，通过计算机数值模拟产生测线调查样本；用统计量RRMSE和RB对密度推定值进行评价，来验证核函数的优劣。