自适应遗传算法优化支持向量回归的水质预测

文中提出了一种动态改进的遗传算法和支持向量回归机相耦合的水质预测方法,改进了传统遗传算法中交叉和变异概率固定的问题,尽可能避免陷入局部最优的问题。在对大理弥苴河水质进行大量实际监测的基础上,分别采用BP神经网络,遗传算法优化的支持向量回归机和自适应遗传算法优化的支持向量回归机3种模型的方法,建立了弥苴河水质高锰酸盐含量的的预测模型。通过数据预处理,筛选了60天的数据进行训练学习和测试。通过对三个模型的预测误差分析对比,可以得出自适应遗传算法优化支持向量回归的预测模型精度更高。     

遗传算法优化支持向量机的交通流量预测

交通流量预测是智能交通系统中的关键技术,针对当前交通流量预测模型存在不足,提出一种遗传算法优化支持向量机的交通流量预测模型。首先收集交通流量历史数据,并基于混沌理想对其进行相空间重构,然后将训练样本输入到支持向量机中进行学习,并采用遗传算法优化支持向量机参数,建立交通流量预测模型,最后采用测试样本对模型的性能进行测试。结果表明,相对于经典交通流量预测模型,本文模型可以更加准确描述交通流量预测复杂的变化趋势,提高了交通流量的单步和多步预测精度。     

基于支持向量回归机的电能质量评估

针对传统方法和神经网络方法在电能质量评估方面存在的不足,提出了一种新的基于支持向量回归机的电能质量评估方法。依据电能质量标准和有关文献建立了电能质量评估指标体系,给出了电能质量评估指标的等级区间。基于支持向量回归机的原理和电能质量评估指标,建立了基于支持向量回归机的电能质量评估模型。应用实例的仿真结果表明,所建立的评估模型具有较强的推广能力,得出的评估结果与其他评估方法相比更为合理可信。     

基于遗传算法优化支持向量机的交通流量预测

为了得到性能优越的SVM预测模型,实现城市交通流量的准确预测,文中提出基于遗传算法优化支持向量机(GA-SVM)的城市交通流量预测方法.其中通过遗传算法对SVM中的训练参数进行优化处理,以得到优化的SVM预测模型.实验结果表明:用GA-SVM对城市交通流量预测,预测精度远优于人工神经网络.     

自适应遗传算法优化支持向量机的过电压识别

为了提高过电压识别的准确性,以及加快过电压的识别速度,提出一种自适应遗传算法优化支持向量机的过电压识别方法。首先针对单一特征信息难以获得过电压高识别率的问题,采用时域波形、波头、时频谱的组合特征作为过电压识别特征,然后采用过电压的训练样本对支持向量机进行学习,建立过电压识别的分类器,并引入自适应遗传算法对支持向量机参数进行优化,最后采用具体过电压识别实例进行性能仿真分析。结果表明,该方法的过电压平均识别率达到95%以上,远远超过了实际应用的85%要求,且识别结果要优于其他过电压识别方法。     

基于支持向量机分类的回归方法

支持向景机(Support Vector Machine,SVM)是一种基于结构风险最小化原理的分类技术,该技术已成为当前国际机器学习界研究的热点.本文提出了一种将回归问题转化为分类的新思想,这种方法具有一定的理论依据,与多项式函数拟合相比具有一定的优越性.     

基于支持向量机的回归预测综述

近年来,支持向量机在预测方面有广泛的应用,回归预测和回归分析也是一个非常值得探讨的领域。加上工具集的使用,将对很多的应用行业,起着一定预测作用。说明对于回归预测这种方法应用于预测是有效的。文章对支持向量机进行简单介绍,在介绍基于回归预测基础上,提出这种方法的优缺点,最后展望其方法应用的前景。     

融合先验知识的支持向量机回归方法

类似大多数基于统计的纯数据驱动机器学习方法一样,标准支持向量机回归也是建立在对纯样本数据学习基础上的,需要足够多标记好的样本数据才能保证模型的性能,当样本数据集趋于无穷大时,学习模型也越趋向于真实模型。然而在实际应用中,这个条件往往很难得到满足。如果能将样本数据的先验知识融合到支持向量机回归中,就可以弥补样本不足的缺陷。本文提出一种融合先验知识的支持向量机回归方法,给出了理论推导的一般形式,并通过实验证明该方法的有效性。     

遗传算法优化特征权值的支持向量机图像分类

为了提高图像分类的准确率,提出了一种遗传算法优化特征权值的支持向量机图像分类(GA-SVM).首先分别提取图像的颜色和纹理特征,然后采用改进遗传算法确定特征权值,最后采用支持向量机建立图像分类器,并对corel图像库进行仿真测试.结果表明,相对于其他图像分类算法,GA-SVM提高了图像分类精度.     

基于遗传算法的支持向量机分类算法

针对现有部分支持向量机在多类分类过程中存在的数据不均衡性、对算法结构依赖性强的问题,提出一种新的基于遗传算法的支持向量机多类分类算法。以遗传算法中的交叉作为支持向量机中类的选择,以变异改善分类过程中的纠错能力,以适应度函数作为最优分类结果的确定。在不同特性的样本集上进行仿真测试,结果证明,该算法在类数较多的情况下,有更好的数据均衡性,在分类速度及准确度上均有一定的优越性。     

一种特殊支持向量回归机算法研究

支持向量机SVM(Support Vector Machines)是数据挖掘技术的新方法,支持向量回归机对函数拟合(回归逼近)具有重要的理论意义和应用价值.分别采用光滑化函数法和求解LC1函数类型方法对牛顿型算法进行研究求解.     

杂草算法优化支持向量机的网络入侵检测

为了解决支持向量机(优化SVM)在网络入侵检测中的参数优化问题,以提高网络入侵检测性能,提出一种入侵杂草(IWO)算法SVM的网络入侵检测模型(IWO-SVM)。首先将SVM参数编码为入侵杂草,以检测率作为优化目标函数,然后通过模拟杂草入侵种子的生长过程找到最SVM的最优参数,从而最优网络入侵检测模型,后在采用KDD99数据集性能测试。结果表明IWO-SVM是一种检测检测率高、速度快的网络入侵检测模型。     

A new hypersphere support vector machine algorithm

The hypersphere support vector machine is a new algorithm in pattern recognition. By studying three kinds ofhypersphere support vector machines, it is found that their solutions are identical and the margin between two classes of samples is zero or is not unique. In this letter, a new kind ofhypersphere support vector machine is proposed. By introducing a parameter n（n〉1）, a unique solution of the margin can be obtained.Theoretical analysis and experimental results show that the proposed algorithm can achieve better generalization performance.     

基于复合核支持向量回归机的多类分类算法

针对传统支持向量机(SVM)在解决多类分类问题时需要训练多个分类器、存在不可分区域等问题,研究了基于支持向量回归机的多类分类算法。利用回归思想求解多类分类问题,将分类样本作为回归输入,样本的类别标识作为回归输出,通过支持向量回归机训练拟合出各样本与其类别标识之间的函数关系。将待分类样本代入回归函数,对其输出取整后即可得到样本类别。该算法仅使用1个分类器,明显简化了分类过程。另外,引入复合核函数来提高支持向量回归机的性能。采用加州大学欧文分校(UCI)例题库中的多类分类问题进行仿真验证,并将改进算法与传统算法作对比,结果表明改进算法在分类速度和准确率上都有显著提高。     

一种彩色图像复原新方法:基于滑动窗口的支持向量回归算法

提出一种彩色图像复原新方法,将彩色图像按RGB三个通道进行分解,针对每个通道分别采用滑动窗口操作,直至遍历整幅图像,从而获得三个训练集.然后应用支持向量机进行回归分析,建立清晰图像与模糊图像之间的对应关系,从而得出彩色图像复原网络模型.最后根据该模型对待测模糊图像进行复原校正.实验结果显示新算法能很好地对模糊彩色图像进行复原,复原效果优于维纳滤波等经典滤波算法,且计算量远远小于迭代盲反卷积方法.     

基于支持向量机的线性轮廓图控制方法研究

在质量控制的应用中,一些过程或产品质量可以由响应变量与多个解释变量之间的关系（轮廓图）更好地表征.提出了一种基于支持向量机的控制方法来检测第二阶段中线性轮廓图的变化.通过计算机仿真模拟实验与其他几种传统方法以及神经网络的方法做比较发现,仿真得出所提出的控制方法在检测截距和斜率的变化方面表现优异.     

一种基于支持向量机的角点检测算法

支持向量机应用于文本分类、手写数字识别、基因表达等许多领域,由于Harris角点检测算子对噪声点非常敏感,本文在文献[3]的基础上提出Harris算子和支持向量机相结合的方法来进行角点检测.首先利用Harris角点检测算法对两幅以上的无噪声图像提取角点,然后将提取的角点作为支持向量机的训练样本.构造支持向最机,最后利用...     

回归型支撑矢量机的罚函数法及其改进算法研究

介绍了用于回归估计的支撑矢量机,针对标准罚函数法训练速度慢和不能有效区分不同样本重要程度的问题,将两种改进算法用于支撑矢量机的回归估计,并通过仿真实验分析了算法的训练效果,证明了算法的可行性。     

基于支持向量回归的无线传感器网络定位算法

针对一些增量定位中误差容易累积和集中式算法通信开销较大问题,提出了一种基于支持向量回归的半集中式定位算法,中心节点收集锚节点位置和网络连通信息作为训练样本,使用支持向量回归技术得到连通信息到节点位置的映射函数,分发到普通节点后即可使用此函数完成自身定位.为增加训练样本,对邻居锚节点达到3个的普通节点,使用基于RSSI测距的最小二乘法进行定位,升级为锚节点.分析和仿真表明,算法减少了通信开销,减轻了测距误差影响,并获取了较高的定位精度.