题名 改进的粒子群支持向量机预测瓦斯涌出量
被引量：11
1
作者
孟倩 马小平 周延
机构
中国矿业大学 信息与电气工程学院 江苏师范大学计算科学与技术学院 中国矿业大学 安全学院
出处
《矿业安全与环保》
北大核心
2015年第2期1-5,共5页
基金
国家自然科学基金项目(61303183) 江苏省自然科学基金项目(BK20130204) 高等学校博士学科点专项科研基金项目(20120095120023)
文摘
提出一种基于改进的粒子群参数优化的支持向量回归机算法(IPSO-SVR),该方法引入混沌映射及网格分区寻参思想,能避免粒子群算法(PSO)陷入局部最优解。使用IPSO-SVR算法建立瓦斯涌出量预测模型,结果表明基于IPSO算法寻优参数建立的瓦斯涌出量支持向量回归预测模型具有良好的预测效果。与粒子群优化参数的支持向量回归机(PSO-SVR)模型、广义回归神经网络(GRNN)模型进行比较,IPSO-SVR模型预测效果明显优于PSO-SVR和GRNN模型,可用于瓦斯涌出量的实际预测,表明所提出的IPSO算法是选取SVR参数的有效方法。
关键词
支持向量回归机 混沌 粒子群 瓦斯涌出量预测
Keywords
supporting vector regression machine chaos particle swarm prediction of gas emission
分类号
TD712
[矿业工程—矿井通风与安全]
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 基于粗糙集-支持向量机的软件缺陷预测
被引量：6
2
作者
孟倩 马小平
机构
中国矿业大学 信电学院 江苏师范大学计算科学与技术学院
出处
《计算机工程与科学》
CSCD
北大核心
2015年第1期93-98,共6页
基金
国家自然科学基金资助项目(61303183) 江苏省自然科学基金资助项目(BK20130204) 高等学校博士学科点专项科研基金资助项目(20120095120023)
文摘
软件缺陷预测已成为软件工程的重要研究课题,构造了一个基于粗糙集和支持向量机的软件缺陷预测模型。该模型通过粗糙集对原样本集进行属性约减,去掉冗余的和与缺陷预测无关的属性,利用粒子群对支持向量机的参数做选择。实验数据来源于NASA公共数据集,通过属性约减,特征属性由21个约减为5个。实验表明,属性约减后,Bayes分类器、CART树、神经网络和本文提出的粗糙集—支持向量机模型的预测性能均有所提高,本文提出的粗糙集支持向量机的预测性能好于其他三个模型。
关键词
粗糙集 支持向量机 软件缺陷 预测 粒子群
Keywords
rough sets support vector machine software defect prediction particle swarm optimization
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
题名 一种基于收缩超平面的支持向量分类算法
3
作者
凌萍 荣祥胜 高大金
机构
江苏师范大学 计算 科学 科学与 技术 学院 空军勤务学院 训练部
出处
《小型微型计算机系统》
CSCD
北大核心
2014年第12期2717-2726,共10页
基金
国家自然科学基金项目(61105129 61100167)资助 江苏省自然科学基金项目(BK20131130)资助
文摘
支持向量机(Support Vector Machine,SVM)的在二分问题上表现优异,而在多分问题上易受到基本分类器性能不稳定、集成方式依赖于具体问题等多种因素的影响,因此表现一般.鉴于此,提出一种基于收缩超平面的支持向量分类算法(A Novel Support Vector classification Algorithm based on Shrunk Hyperplane,SVASH).SVASH摈弃了二分思想,通过为各类分别构造穿过其密集分布区的超平面(命名为收缩的超平面),获知各类的鉴别性信息,并根据数据与收缩超平面的投影距离确定其类别.文中提出并证明了收缩超平面的几何性质,以此说明算法的有效性.文中设计了快速训练算法,以提高算法效率.实验表明,SVASH在多分问题上显示出优于同类算法的性能;在二分问题上也有接近最优性能的表现.
关键词
支持向量机 收缩的超平面 切割超平面 几何性质 快速训练算法
Keywords
support vector machine shrunk hyperplane cutting hyperplane geometric properties fast training method
分类号
TP391
[自动化与计算机技术—计算机应用技术]
