期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到454篇文章
< 1 2 … 23 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于SARIMA-SVM模型的季节性PM_(2.5)浓度预测
1
作者 宋英华 徐亚安 张远进 《计算机工程》 北大核心 2025年第1期51-59,共9页
空气污染是城市环境治理的主要问题之一,而PM_(2.5)是影响空气质量的重要因素。针对传统时间序列预测模型对PM_(2.5)浓度预测缺少季节性因素分析,预测精度不够高的问题,提出一种基于机器学习的季节性差分自回归滑动平均-支持向量机(SARI... 空气污染是城市环境治理的主要问题之一,而PM_(2.5)是影响空气质量的重要因素。针对传统时间序列预测模型对PM_(2.5)浓度预测缺少季节性因素分析,预测精度不够高的问题,提出一种基于机器学习的季节性差分自回归滑动平均-支持向量机(SARIMA-SVM)融合模型。该融合模型为串联型融合模型,将数据拆分为线性部分与非线性部分。SARIMA模型在差分自回归滑动平均(ARIMA)模型的基础上增加了季节性因素提取参数,能有效分析PM_(2.5)浓度数据的季节性规律变化趋势,较好地预测数据未来的线性变化趋势。结合SVM模型对预测数据的残差序列进行优化,利用滑动步长预测法确定残差序列的最优预测步长,通过网格搜索确定最优模型参数,实现对PM_(2.5)浓度数据的长期预测,同时提高整体预测精度。通过对武汉市近5年的PM_(2.5)浓度监测数据进行分析,结果表明该融合模型的预测准确率相较于单一模型有很大提升,在相同的实验环境下比单一的ARIMA、Auto ARIMA、SARIMA模型分别提升了99%、99%、98%,稳定性也更好,为PM_(2.5)浓度预测研究提供了新的思路。 展开更多
关键词 季节性差分自回归滑动平均 支持向量机 融合模型 PM_(2.5)浓度 季节性预测
在线阅读 下载PDF
基于GRA-EPSO-SVM模型的露天矿山爆破振动速度预测
2
作者 张鹏飞 袁永 +8 位作者 何运华 代少军 李佳臻 迟学海 李伟 孙雪 张焦 白润才 费鸿禄 《煤炭科学技术》 北大核心 2025年第7期105-115,共11页
露天矿爆破振动峰值是评价爆破效果的主要指标。在露天矿煤岩互层爆破场景下,针对现有的爆破振动峰值预测方法难以达到理想的预测结果,导致爆破参数、起爆网络设计不合理等问题,提出了一种灰色关联度特征选取下基于集成粒子群优化支持... 露天矿爆破振动峰值是评价爆破效果的主要指标。在露天矿煤岩互层爆破场景下,针对现有的爆破振动峰值预测方法难以达到理想的预测结果,导致爆破参数、起爆网络设计不合理等问题,提出了一种灰色关联度特征选取下基于集成粒子群优化支持向量机算法(GRA-EPSO-SVM)的爆破振动速度峰值预测模型。以元宝山露天煤矿不同赋存条件下的煤岩爆破为背景,选取孔距、排距、孔深、单段最大装药量、最小抵抗线、爆心距、高程差、质点振速峰值作为输入参数,采用灰色关联分析法(GRA)过滤影响爆破振动速度峰值的冗余因素(孔深、单段最大装药量、最小抵抗线、质点振速峰值);运用集成粒子群算法(EPSO)优化SVM算法的关键参数C和g,将参数输入到GRA-EPSOSVM模型中进行评估。结果表明:GRA-EPSO-SVM组合算法对比改进的萨道夫斯基公式、SVM的预测值和实际值更为吻合,平均误差分别降低15.3%和106.8%,预测结果的精度更高,更能有效预测露天矿煤岩互层爆破振动峰值,为露天矿开采爆破施工安全控制提供帮助。 展开更多
关键词 露天矿 振动峰值 灰色关联分析 优化支持向量机 GRA-EPSO-svm模型
在线阅读 下载PDF
INRBO-SVM模型在边坡安全系数预测中的应用
3
作者 熊朝林 陈俊智 《矿冶工程》 北大核心 2025年第2期20-25,33,共7页
针对支持向量机(SVM)模型在预测边坡安全系数中选取参数困难的问题,优化牛顿-拉夫逊算法(NRBO)帮助SVM模型快速选取适当的超参数。引入动态反向学习策略、横向与纵向交叉策略和修正自适应系数计算公式对NRBO算法进行改进,构建INRBO-SVM... 针对支持向量机(SVM)模型在预测边坡安全系数中选取参数困难的问题,优化牛顿-拉夫逊算法(NRBO)帮助SVM模型快速选取适当的超参数。引入动态反向学习策略、横向与纵向交叉策略和修正自适应系数计算公式对NRBO算法进行改进,构建INRBO-SVM边坡安全系数预测模型。选取容重、黏聚力、内摩擦角、边坡角、边坡高度和孔隙水压比6个因素为模型输入,安全系数为输出,将训练后的INRBO-SVM模型、NRBO-SVM模型、SVM模型、RBF模型对9组测试样本进行安全系数预测。结果表明:INRBO-SVM模型安全系数预测性能最好,相关系数R^(2)为0.9999,高于其他模型;均方根误差和平均绝对误差均显著低于其他模型。工程应用结果表明,INRBO-SVM模型的安全系数预测误差均小于10%,大部分低于5%,证实了该模型预测安全系数的准确性以及实际应用价值。 展开更多
关键词 边坡稳定性 预测模型 安全系数 svm模型 INRBO算法 机器学习
在线阅读 下载PDF
基于SVM-SARIMA-LSTM模型的城市用水量实时预测
4
作者 李轩 吴永强 +2 位作者 王佳伟 杨伟超 张天洋 《水电能源科学》 北大核心 2025年第3期36-39,6,共5页
为提高气象波动下城市用水量预测精度,通过季节性分解的趋势—季节性—残差程序(STL)将城市时用水量分解为趋势分量、季节性分量和残差分量3部分,使用季节性自回归移动平均模型(SARIMA)对季节性部分进行捕捉,利用支持向量机(SVM)提取趋... 为提高气象波动下城市用水量预测精度,通过季节性分解的趋势—季节性—残差程序(STL)将城市时用水量分解为趋势分量、季节性分量和残差分量3部分,使用季节性自回归移动平均模型(SARIMA)对季节性部分进行捕捉,利用支持向量机(SVM)提取趋势部分与气温、降水、风速、气压和相对湿度5个气象因素之间的关系,利用长短时记忆网络(LSTM)对波动性明显的残差部分进行关系捕捉,构建了SVM-SARIMA-LSTM用水量实时预测模型,并利用衡水市3个月时用水量数据和气象数据训练SVM-SARIMA-LSTM模型,以随后1周的实测数据作为验证集对模型预测性能进行评估。结果表明,SVM-SARIMA-LSTM模型的平均绝对百分比误差(E_(MAP))比SARIMA模型低4.502%,均方根误差(E_(RMSE))降低了39.084%,确定系数R^(2)提高了9.965%,最大绝对误差(E_(maxA))减小了55.946%,具有较好的应用价值。所建模型通过整合关键气象因素,准确地捕捉到城市用水量的季节性趋势及非季节性波动,展现了优良的泛化性。 展开更多
关键词 SARIMA模型 支持向量机 长短时记忆神经网络 svm-SARIMA-LSTM模型 STL分解程序 气象因素 用水量预测
在线阅读 下载PDF
基于RS-PCA-SVM的建筑项目安全预测模型 被引量：1
5
作者 李永清 马亚冰 凤亚红 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第9期1243-1247,1261,共6页
为了减少建筑项目安全事故的发生,文章提出一种基于RS-PCA-SVM建筑项目安全组合预测模型,采用粗糙集理论(rough set,RS)对数据进行属性约简,剔除交叉和冗余信息,降低输入变量维数和计算复杂度,减少训练时间;利用主成分分析(principal co... 为了减少建筑项目安全事故的发生,文章提出一种基于RS-PCA-SVM建筑项目安全组合预测模型,采用粗糙集理论(rough set,RS)对数据进行属性约简,剔除交叉和冗余信息,降低输入变量维数和计算复杂度,减少训练时间;利用主成分分析(principal component analysis,PCA)法进行降维处理,除去贡献率较低的主成分,将剩余主成分作为支持向量机(support vector machine,SVM)的输入变量,并选择自适应权重粒子群优化算法(particle swarm optimization,PSO)优化SVM的参数,避免参数选择的盲目性。结果表明:该模型的平均预测准确率为93.78%,相比传统方法预测精度高、计算速度快。 展开更多
关键词 属性约简 主成分分析(PCA)法 支持向量机(svm) 预测模型
在线阅读 下载PDF
结合SVM与XGBoost的链式多路径覆盖测试用例生成 被引量：2
6
作者 钱忠胜 俞情媛 +3 位作者 张丁 姚昌森 秦朗悦 成轶伟 《软件学报》 EI CSCD 北大核心 2024年第6期2795-2820,共26页
机器学习方法可很好地与软件测试相结合,增强测试效果,但少有学者将其运用于测试数据生成方面.为进一步提高测试数据生成效率,提出一种结合SVM(support vector machine)和XGBoost(extreme gradient boosting)的链式模型,并基于此模型借... 机器学习方法可很好地与软件测试相结合,增强测试效果,但少有学者将其运用于测试数据生成方面.为进一步提高测试数据生成效率,提出一种结合SVM(support vector machine)和XGBoost(extreme gradient boosting)的链式模型,并基于此模型借助遗传算法实现多路径测试数据生成.首先,利用一定样本训练若干个用于预测路径节点状态的子模型(SVM和XGBoost),通过子模型的预测精度值筛选最优子模型,并根据路径节点顺序将其依次链接,形成一个链式模型C-SVMXGBoost(chained SVM and XGBoost).在利用遗传算法生成测试用例时,使用训练好的链式模型代替插桩法获取测试数据覆盖路径(预测路径),寻找预测路径与目标路径相似的路径集,对存在相似路径集的预测路径进行插桩验证,获取精确路径,计算适应度值.在交叉变异过程中引入样本集中路径层级深度较大的优秀测试用例进行重用,生成覆盖目标路径的测试数据.最后,保留进化生成中产生的适应度较高的个体,更新链式模型C-SVMXGBoost,进一步提高测试效率.实验表明,C-SVMXGBoost较其他各对比链式模型更适合解决路径预测问题,可提高测试效率.并且通过与已有经典方法相比,所提方法在覆盖率上提高可达15%,平均进化代数也有所降低,在较大规模程序上其降低百分比可达65%. 展开更多
关键词 测试用例 svm XGBoost 链式模型 多路径覆盖
在线阅读 下载PDF
EHDE和WHO-SVM模型在齿轮箱故障诊断中的应用
7
作者 马晓娜 周海超 《机电工程》 CAS 北大核心 2024年第4期622-632,共11页
针对现有齿轮箱故障诊断方法对数据长度敏感的缺陷,提出了一种基于增强层次多样性熵(EHDE)和野马算法(WHO)优化支持向量机(SVM)的齿轮箱故障诊断模型。首先,传统熵值特征提取方法在特征提取阶段对数据样本的长度比较敏感,为此提出了增... 针对现有齿轮箱故障诊断方法对数据长度敏感的缺陷,提出了一种基于增强层次多样性熵(EHDE)和野马算法(WHO)优化支持向量机(SVM)的齿轮箱故障诊断模型。首先,传统熵值特征提取方法在特征提取阶段对数据样本的长度比较敏感,为此提出了增强层次多样性熵,并将其作为特征提取指标用于提取齿轮箱的故障特征;其次,采用WHO算法对SVM模型的参数进行了优化,建立了参数最优的WHO-SVM分类器;最后,将故障特征样本输入至WHO-SVM分类器中进行了训练和识别,完成了样本的故障识别;利用齿轮箱数据集分别从数据长度敏感性、算法特征提取时间、模型诊断性能三种角度对EHDE、精细复合多尺度样本熵、精细复合多尺度模糊熵、精细复合多尺度排列熵、精细复合多尺度散布熵、精细复合多尺度波动散布熵进行了对比研究。研究结果表明:EHDE方法对数据长度的要求较低,在数据长度为512时即可以取得99.1%的平均识别准确率,在诊断稳定性和诊断精度方面均优于其他对比方法;在算法的泛化性实验中,EHDE方法能够以98%的准确率识别齿轮箱的不同故障类型,具有明显的泛化性和通用性。 展开更多
关键词 齿轮箱故障诊断 增强层次多样性熵 野马算法优化支持向量机 数据长度敏感性 算法特征提取时间 模型诊断性能
在线阅读 下载PDF
基于LS-SVM的精确星光折射导航观测模型 被引量：2
8
作者 颜旭 王鼎杰 +2 位作者 张洪波 杨行 包为民 《中国空间科学技术（中英文）》 CSCD 北大核心 2024年第4期20-28,共9页
星光折射自主导航系统的精度受到星光折射观测模型的限制。针对星光折射计算简化与大气参数随高度变化对星光折射观测模型的影响,提出一种基于最小二乘支持向量机(LS-SVM)的精确星光折射导航观测模型建立方法。首先通过光线追迹高精度... 星光折射自主导航系统的精度受到星光折射观测模型的限制。针对星光折射计算简化与大气参数随高度变化对星光折射观测模型的影响,提出一种基于最小二乘支持向量机(LS-SVM)的精确星光折射导航观测模型建立方法。首先通过光线追迹高精度模拟星光折射的过程,未对折射角计算进行简化,考虑大气参数随高度的变化,得到折射真高度与折射角的非线性映射关系。然后利用LS-SVM机器学习算法精确拟合折射真高度与折射角的关系,建立关于折射视高度的高精度星光折射导航观测模型。仿真结果表明,建立的精确星光折射导航观测模型精度较高,平均绝对误差为0.986 m。将该观测模型应用到星光导航系统中,导航精度较高,定位误差平均为130.7 m,平均速度误差为0.1479 m/s,证明了建模方法的有效性,对于星光折射自主导航的高精度研究具有一定意义。 展开更多
关键词 星光折射导航 观测模型 光线追迹 LS-svm 机器学习
在线阅读 下载PDF
基于IPSO-SVM的动态汽车衡故障诊断方法研究
9
作者 黄庆程 《机电工程》 CAS 北大核心 2024年第12期2310-2319,共10页
针对服役状态下,不易对轴重式动态汽车衡的灵敏度漂移等故障进行在线检测这一问题,提出了一种特征降维下结合莱维飞行改进粒子群算法优化支持向量机(IPSO-SVM)模型,以及信号特征提取与降维的动态汽车衡故障诊断方法。首先,提取了输出信... 针对服役状态下,不易对轴重式动态汽车衡的灵敏度漂移等故障进行在线检测这一问题,提出了一种特征降维下结合莱维飞行改进粒子群算法优化支持向量机(IPSO-SVM)模型,以及信号特征提取与降维的动态汽车衡故障诊断方法。首先,提取了输出信号的时域与频域特征,利用核主成分分析(KPCA),将非线性映射函数输入空间变换到高维空间,实现对特征向量的降维与筛选目的;然后,利用了莱维飞行改进粒子群优化算法(PSO)的寻优能力,并采用改进后的算法对支持向量机(SVM)进行了优化,得到了最优的参数组合,以此构建了全局最优的IPSO-SVM诊断模型;最后,采用建立的诊断模型,对不同车重、不同车速、不同轴型载荷工况下的动态汽车衡进行了故障诊断验证。研究结果表明:采用该动态汽车衡故障诊断方法,其诊断准确率可达98%,证实了引入莱维飞行后的改进粒子群算法可显著改进优化的效率和效果。相比现有诊断方法,IPSO-SVM诊断模型可有效解决PSO算法易陷入局部最优解的问题,准确率得到了较大提升,可实现对汽车衡系统动态故障工况下的全类型高精度诊断。 展开更多
关键词 质量计量仪器 故障诊断模型 莱维飞行 信号特征提取 信号特征降维 支持向量机 改进粒子群算法优化支持向量机 核主成分分析
在线阅读 下载PDF
基于RQA与SVM的声发射信号检测识别方法 被引量：12
10
作者 司莉 毕贵红 +2 位作者 魏永刚 陶然 张寿明 《振动与冲击》 EI CSCD 北大核心 2016年第2期97-103,123,共8页
针对裂纹声发射信号检测问题,提出基于递归定量分析与支持向量机相结合的新型检测方法。利用小波阈值去噪原理,对采集的声发射信号进行去噪,将递归定量分析引入声发射信号检测,提取递归定量分析的量化特征参数,结合支持向量机对模拟裂... 针对裂纹声发射信号检测问题,提出基于递归定量分析与支持向量机相结合的新型检测方法。利用小波阈值去噪原理,对采集的声发射信号进行去噪,将递归定量分析引入声发射信号检测,提取递归定量分析的量化特征参数,结合支持向量机对模拟裂纹声发射信号进行识别。并实验验证该方法的可行性。 展开更多
关键词 声发射信号 小波阈值去噪 递归定量分析 支持向量机
在线阅读 下载PDF
基于SVM的溶洞顶板安全厚度智能预测模型 被引量：36
11
作者 王勇 乔春生 +1 位作者 孙彩红 刘开云 《岩土力学》 EI CAS CSCD 北大核心 2006年第6期1000-1004,共5页
以某岩溶隧道为背景,采用二维弹塑性有限元方法对隧道开挖进行数值模拟计算,分析了隧道底部溶洞顶板安全厚度的影响因素,用支持向量机方法得出了能综合体现各影响因素的溶洞顶板安全厚度预测模型,并和多元线性回归得到的预测模型进行对... 以某岩溶隧道为背景,采用二维弹塑性有限元方法对隧道开挖进行数值模拟计算,分析了隧道底部溶洞顶板安全厚度的影响因素,用支持向量机方法得出了能综合体现各影响因素的溶洞顶板安全厚度预测模型,并和多元线性回归得到的预测模型进行对比。计算结果表明,支持向量机预测模型较之多元线性回归模型,不但具有方便快捷的优点,而且具有更高的预测精度。 展开更多
关键词 岩溶隧道 有限元 安全厚度 支持向量机 预测模型
在线阅读 下载PDF
基于高斯颜色模型和SVM的交通标志检测 被引量：31
12
作者 常发亮 黄翠 +2 位作者 刘成云 赵永国 马传峰 《仪器仪表学报》 EI CAS CSCD 北大核心 2014年第1期43-49,共7页
针对我国交通标志的特点,提出一种基于高斯颜色模型和机器学习的快速交通标志检测算法,解决了单纯采用颜色模型或单纯采用分类器检测误差较大的问题。先对直方图修正后的标志图像使用高斯颜色模型分割,并对分割后的图像进行形态学处理,... 针对我国交通标志的特点,提出一种基于高斯颜色模型和机器学习的快速交通标志检测算法,解决了单纯采用颜色模型或单纯采用分类器检测误差较大的问题。先对直方图修正后的标志图像使用高斯颜色模型分割,并对分割后的图像进行形态学处理,初步提取出候选交通标志,最后将标志的HOG描述子和SVM结合训练出分类器,使用该分类器进行标志的精确检测。实验结果表明,该算法能有效地提高检测精度,降低误检率,对光照、旋转、部分遮挡等不良条件下的交通标志检测具有较优的稳定性和准确性,且满足实时性要求。 展开更多
关键词 交通标志检测 高斯颜色模型 HOG描述子 支持向量机
在线阅读 下载PDF
基于SVM-HMM混合模型的说话人确认 被引量：19
13
作者 忻栋 杨莹春 吴朝晖 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2002年第11期1080-1082,共3页
提出一个文本无关的说话人确认的算法 .该算法将支持向量机 (SVM)的输出通过 Sigm oid函数和高斯模型转化为概率 ,并作为隐式马尔可夫模型 (HMM)中各个隐状态的输出概率 .由于 HMM适于处理连续信号 ,SVM适于处理分类问题 ;同时 ,HMM更... 提出一个文本无关的说话人确认的算法 .该算法将支持向量机 (SVM)的输出通过 Sigm oid函数和高斯模型转化为概率 ,并作为隐式马尔可夫模型 (HMM)中各个隐状态的输出概率 .由于 HMM适于处理连续信号 ,SVM适于处理分类问题 ;同时 ,HMM更多地表达了类别内部的相似性 ,而 SVM则很大程度上反映了类别间的差异 ,因而根据两者不同的侧重点 ,使其组合获得了很好的效果 . 展开更多
关键词 svm-HMM混合模型 说话人确认 支持向量机 隐式马尔可夫模型 语音信号处理 模式识别
在线阅读 下载PDF
基于动态ε-SVM的发酵过程建模 被引量：6
14
作者 高学金 王普 +3 位作者 孙崇正 易建强 张亚庭 张会清 《仪器仪表学报》 EI CAS CSCD 北大核心 2006年第11期1497-1500,共4页
针对支持向量机(SVM)所有训练样本都使用相同的不敏感系数这一不足,本文提出了动态-SVM建模方法,并采用此方法建立了青霉素效价预估模型,此模型具有良好的拟合和泛化能力。通过实验分析了动态-SVM参数调整对模型性能的影响,并且由现场... 针对支持向量机(SVM)所有训练样本都使用相同的不敏感系数这一不足,本文提出了动态-SVM建模方法,并采用此方法建立了青霉素效价预估模型,此模型具有良好的拟合和泛化能力。通过实验分析了动态-SVM参数调整对模型性能的影响,并且由现场数据建立的模型发现,动态-SVM建模方法优于标准SVM建模方法。 展开更多
关键词 支持向量机 动态-svm 青霉素发酵 建模
在线阅读 下载PDF
SVM+BiHMM:基于统计方法的元数据抽取混合模型 被引量：27
15
作者 张铭 银平 +1 位作者 邓志鸿 杨冬青 《软件学报》 EI CSCD 北大核心 2008年第2期358-368,共11页
提出了一种SVM+BiHMM的混合元数据自动抽取方法.该方法基于SVM(support vector machine)和二元HMM(bigram HMM(hidden Markov model),简称BiHMM)理论.二元HMM模型BiHMM在保持模型结构不变的前提下,通过区分首发概率和状态内部发射概率,... 提出了一种SVM+BiHMM的混合元数据自动抽取方法.该方法基于SVM(support vector machine)和二元HMM(bigram HMM(hidden Markov model),简称BiHMM)理论.二元HMM模型BiHMM在保持模型结构不变的前提下,通过区分首发概率和状态内部发射概率,修改了HMM发射概率计算模型.在SVM+BiHMM复合模型中,首先根据规则把论文粗分为论文头、正文以及引文部分,然后建立SVM模型把文本块划分为元数据子类,接着采用Sigmoid双弯曲函数把SVM分类结果用于拟合调整BiHMM模型的单词发射概率,最后用复合模型进行元数据抽取.SVM方法有效考虑了块间联系,BiHMM模型充分考虑了单词在状态内部的位置信息,二者的元数据抽取结果得到了很好的互补和修正,实验评测结果表明,SVM+BiHMM算法的抽取效果优于其他方法. 展开更多
关键词 元数据抽取 基于规则的信息抽取 支持向量机 隐马尔科夫模型 二元 HMM模型
在线阅读 下载PDF
基于SVM的入侵检测系统 被引量：14
16
作者 钱权 耿焕同 王煦法 《计算机工程》 EI CAS CSCD 北大核心 2006年第9期136-138,共3页
支持向量机(SVM)作为一种新型的统计学习模型,在处理小样本和学习机的推广能力上具有很大的优势。该文应用SVM的分类特性来识别网络攻击行为,提出了基于SVM的入侵检测方法。重点考察了不同SVM核函数和参数选择对检测准确率和实时性的影... 支持向量机(SVM)作为一种新型的统计学习模型,在处理小样本和学习机的推广能力上具有很大的优势。该文应用SVM的分类特性来识别网络攻击行为,提出了基于SVM的入侵检测方法。重点考察了不同SVM核函数和参数选择对检测准确率和实时性的影响。论证了基于SVM的入侵检测在性能和识别率上都明显优于基于BP网络的攻击识别,还就目前商用入侵检测系统存在较高误报率的问题,分析了用SVM来提高其检测实时性和识别准确率的系统框架。 展开更多
关键词 支持向量机 统计学习模型 入侵检测
在线阅读 下载PDF
基于SVM混合集成的信用风险评估模型 被引量：28
17
作者 陈云 石松 +1 位作者 潘彦 俞立 《计算机工程与应用》 CSCD 北大核心 2016年第4期115-120,共6页
准确的信用风险评估可以降低金融机构的风险。为了进一步提高信用风险评估模型的预测准确率,将基于SVM的集成学习模型应用到信用风险评估问题中,提出了一种混合集成策略,称作RSA。RSA是随机子集模型和Ada Boost两种流行策略的合成,能提... 准确的信用风险评估可以降低金融机构的风险。为了进一步提高信用风险评估模型的预测准确率,将基于SVM的集成学习模型应用到信用风险评估问题中,提出了一种混合集成策略,称作RSA。RSA是随机子集模型和Ada Boost两种流行策略的合成,能提高组合成员分类器的多样性,从而提高集成学习模型的预测准确率。模型在两组公开信用数据集上进行了应用,实验结果表明基于RSA的SVM的集成学习模型可以作为信用风险评估的有效模型。 展开更多
关键词 信用风险评估 支持向量机(svm) 集成学习 ADA BOOST 随机子集模型
在线阅读 下载PDF
基于RBF核的SVM的模型选择及其应用 被引量：48
18
作者 王鹏 朱小燕 《计算机工程与应用》 CSCD 北大核心 2003年第24期72-73,共2页
使用RBF核的SVM(支持向量机)被广泛应用于模式识别中。此类SVM的模型选择取决于两个参数,其一是惩罚因子C,其二是核参数σ2。该文使用了网格搜索和双线性搜索两种方法进行参数选择,并将两者的优点综合,应用于脱机手写体英文字符识别。... 使用RBF核的SVM(支持向量机)被广泛应用于模式识别中。此类SVM的模型选择取决于两个参数,其一是惩罚因子C,其二是核参数σ2。该文使用了网格搜索和双线性搜索两种方法进行参数选择,并将两者的优点综合,应用于脱机手写体英文字符识别。实验在NIST数据集上进行了验证,对搜索效率和推广识别率进行了比较。实验结果还表明使用最优参数的SVM在识别率上比使用ANN(人工神经元网络)的分类器有较大提高。 展开更多
关键词 svm RBF核 模型选择 ANN 字符识别
在线阅读 下载PDF
数控机床力-几何误差的PSO-SVM建模 被引量：4
19
作者 杨洪涛 耿金华 +2 位作者 丁小瑞 喻曹丰 禹斌 《应用科学学报》 CAS CSCD 北大核心 2014年第3期325-330,共6页
为了提高数控机床几何误差建模精度,改进补偿效果,先用测力环等仪器模拟施加并测量机床主切削力,再用激光干涉仪同步测量机床俯仰角和偏摆角误差.根据粒子群优化算法(particle swatm optimization,PSO)优化支持向量机(support vectormac... 为了提高数控机床几何误差建模精度,改进补偿效果,先用测力环等仪器模拟施加并测量机床主切削力,再用激光干涉仪同步测量机床俯仰角和偏摆角误差.根据粒子群优化算法(particle swatm optimization,PSO)优化支持向量机(support vectormachine,SVM)的相应参数,并以实际测量数据进行训练,从而建立了PSO-SVM力-几何误差预测模型.实际试验表明,PSO-SVM误差预测模型输出的偏摆角误差预测值与实测数据的最大差值仅为0.6μrad,俯仰角误差预测值与实测数据的最大差值仅为0.21μrad,远小于利用BP神经网络以及常规方法优化的SVM所建立的力-几何误差预测模型的误差,因此该模型可用于数控机床几何误差的高精度实时补偿. 展开更多
关键词 数控机床 PSO-svm 力-几何误差模型 支持向量机 粒子群优化算法
在线阅读 下载PDF
基于HMM和SVM的指纹分类方法 被引量：8
20
作者 王崇文 李见为 陈为民 《电子与信息学报》 EI CSCD 北大核心 2003年第11期1488-1493,共6页
该文提出了指纹分类的一种新型方法:使用指纹编码的基于隐马尔可夫模型(HMM)和支持向量机(SVM)的两级分类,该方法采用FingerCode作为指纹的特征表述,首先用5个伪二维 HMM进行类别初选,确定最可能的两种指纹分类结果,再用相应的 SVM分类... 该文提出了指纹分类的一种新型方法:使用指纹编码的基于隐马尔可夫模型(HMM)和支持向量机(SVM)的两级分类,该方法采用FingerCode作为指纹的特征表述,首先用5个伪二维 HMM进行类别初选,确定最可能的两种指纹分类结果,再用相应的 SVM分类器做最终判决,实验表明,分类性能已经达到或超过目前流行的指纹分类算法,具有一定的实用价值。 展开更多
关键词 HMM svm 指纹分类 支持向量机 隐马尔可夫模型 指纹编码
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 23 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部