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.     

基于顶空固相微萃取-气相色谱质谱联用技术分析山乌桕蜜挥发性成分

蜂蜜的气味直接影响了消费者的选择。采用顶空固相微萃取技术进行气味富集、气相色谱质谱联用技术进行物质分析,综合对比了山乌桕蜜与枣花、荆条、洋槐、油菜和椴树5种蜂蜜挥发性成分的差异。结果表明：6种蜂蜜中共检出化合物81种,正辛醛、β-苯乙醇和壬醛是蜂蜜共有的主要成分,推测它们构成了蜂蜜的蜜蜡和玫瑰的基调香气。山乌桕蜜中检出化合物29种,正庚醛和2,4,5-三甲基-1,3-二氧戊环是其特征化合物。根据挥发性物质建立蜂蜜植物源的区分模型,利用受试者工作曲线对分类模型性能进行比较可知,模型对山乌桕蜜和椴树蜜区分效果最佳,其曲线下面积(AUC)均为0.9979,对洋槐蜜区分性能较低(AUC=0.7239)。实验结果为山乌桕蜜的气味研究提供了基础数据,阐述了蜂蜜具有的基调气味成分,为蜂蜜挥发性化合物的深入研究提供参考。     

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.     

基于支持向量机对种群特征回归分析的自适应遗传算法

在分析标准遗传算法易发生早熟收敛的基础上,提出了遗传算法种群特征代间海明距离的概念,代间海明距离可以较好的反映算法运行的总体与动态性能.应用支持向量机对遗传算法的代间海明距离进行了回归分析,遗传算法依据回归分析结果调整其整体优化策略,同时依据算法当前运行情况自适应调整种群的多样性,有效地避免了遗传算法的早熟收敛.数值实验结果表明,该改进算法搜索整体性较强,搜索效率优于标准遗传算法,提高全局优化能力.