简介：为了预测某导弹陀螺漂移趋势,以该陀螺漂移角速度时间序列为对象,建立了基于支持向量回归机的预测模型。针对该预测模型的特点,提出了支持向量预选取的模型优化方法。基于ε不敏感损失函数的支持向量回归机具有稀疏性,其结构由支持向量决定。因此从训练样本集中预选出有可能成为支持向量的样本,精简样本规模是提高该类支持向量回归机训练和预测效率的有效方法。针对该类支持向量回归机从分类和回归两个角度分析了支持向量的几何特征,提出了核函数空间免疫聚类的支持向量预选取方法并用于某导弹陀螺漂移预测模型的数据预处理。仿真结果表明优化后的预测模型运算量小、建模速度快,精度高。

简介：

简介：支持向量机是机器学习和数据挖掘领域的热门研究课题之一，作为一种尚未完全成熟的技术，目前仍有许多不足，其中之一就是没有统一的模型参数选择标准和理论。在具体使用中，对支持向量机性能有重要影响的参数包括惩罚因子C，核函数及其参数的选取。文章首先分析了模型参数对支持向量机性能的影响，然后对几种常用的模型参数选择方法进行介绍，分析以及客观评价，最后概括了支持向量机模型参数选择方法的现状，以及对其发展趋势进行了展望。

简介：本文研究部分变系数动态模型，一些参数的值可以成为协变量的函数，并提出了参数和非参数函数系数的估计。本文提出一个基于支持向量机分位数回归的部分变系数动态模型，及它的三步估计法和迭代加权最小二乘法估计模型的参数和非参数函数，提出的方法能被简单有效地应用到线性和非线性分位数回归光滑变量的高维情况。同时，本文也提出模型的惩罚参数、核参数的选择方法——交叉验证方法。

简介：ICO（InitialCoinOfferin曲传销是一种未经批准非法公开融资和非法发售代币票券的新型金融传销模式，严重干扰金融秩序、破坏社会稳定。如何有效地实施ICO监管并对ICO进行传销定性成为经济犯罪侦查研究的重要方向之一．针对此问题．提出了一种基于支持向量机的ICO传销类罪模型．利用该模型对难以定性的ICO进行分类．从而实现对未定性的ICO进行判定．采集了180种ICO相关数据．提取出15个ICO传销类罪模型的评价指标．建立了基于支持向量机的ICO传销类罪模型．对难以定性的ICO进行分类．随后利用150组ICO数据作为支持向量机的学习样本．再对30组ICO合法性进行分类研究．实验结果表明该模型的分类结果准确率高达90％．在ICO传销类罪推定上具有良好的应用。今后．可以利用深度学习的方法对ICO的定性问题进一步分析。

简介：土壤侵蚀过程复杂，很难直接应用土壤侵蚀预报方程进行定量计算。作为一种新的机器学习算法，支持向量机在样本有限的情况下，采用结构风险最小化准则，把学习问题转化为一个二次规划问题，从而得到唯一的全局最优解。首次尝试将最小二乘支持向量机技术用于土壤侵蚀预测，并与BP神经网络的方法进行了对比，取得了较好的预测精度。

简介：摘要：为了 防止因过度开采造成的地质灾害和水资源短缺等问题出现。 本 文在分析了经典 PSO 算法 和 SVM 理论知识的基础上，建立了 W-PSO优化的 SVM 时间序列预测模型。

简介：摘要：本文建立了某型永磁同步电动机在整个工作范围内的热模型。根据输入输出测量原理，设计了实验装置，进行了一系列实验，获得了不同转速和转矩下电机的参数。提出了基于支持向量机算法的参数回归模型，并结合永磁同步电机的运行特性，建立了基于T-S模糊推理系统的参数计算模糊推理模型。

简介：目的:基于支持向量机回归(SVR)模型在非线时间序列的预测能力及经验模态分解(EMD)方法在处理非线性非平稳性的优势,提出一种复合自回归经验模态分解支持向量机回归(AR-EMDSVR)模型,提高非线性非平稳船舶运动极短期预报精度。创新点:1.研究非线性非平稳船舶运动的极短期预报问题,提出一种复合的预报方法;2.基于不同层次的预报模型和模型试验数据,分析非线性非平稳性对极短期预报精度的影响。方法:1.在SVR模型中引入基于自回归(AR)预报端点延拓的EMD方法,形成复合的AR-EMDSVR预报模型;2.基于集装箱船模水池试验运动数据将AR-EMD-SVR模型与AR、SVR和EMD-AR三种模型进行比较,分析非线性非平稳性对极短期预报的影响以及不同模型的预报性能。结论:1.AR-EMD方法能够有效的克服非平稳对极短期预报模型(AR和SVR)在精度上所带来的不良影响;2.基于船模试验数据的预报结果表明:相较于AR、SVR和EMD-AR三种预报模型,基于AR-EMD-SVR模型的非线性非平稳船舶运动极短期预报结果具有更高的精度。

简介：分析了教育评估问题及现有方法，提出了基于支持向量回归的教育评估方法。首先，介绍了支持向量回归算法。其次，探讨了基于支持向量回归的教育评估原理。最后，以学位授权点合格评估为例进行了模拟评估。

简介：支持向量机(SVM)是一类新型机器学习方法,其理论基础是统计学习理论,由于其出色的学习性能而成为当前国际机器学习领域的研究热点.该文首先阐述统计学习的核心内容,然后对SVM及其应用进行研究,最后讨论了SVM的局限和有待研究的问题.

简介：摘要支持向量机是一种新的机器学习方法，由于其出色的学习性能，该技术已成为当前国际机器学习界的研究热点。对SVM训练算法的最新研究成果进行了综述，着重说明了各种的算法的思路和优缺点。总结了支持向量机理论及其应用的现状，对支持向量机的未来发展方向进行了展望。

简介：摘要本文基于小波包分解和支持向量机，提出了变压器差动保护中励磁涌流和内部故障电流鉴别的新方法。首先，采用离散小波变换来分解电流信号得到不同的频率分量，并计算这些频率分量的能量构成能量向量作为励磁涌流识别的特征参量。然后，将特征向量随机分为训练样本和测试样本。其中，将训练样本输入到支持向量机分类器中，得到能量特征参量与电流类型之间的映射关系，然后基于映射关系对测试样本进行分类，从而识别出电流的类型。为了研究该算法的准确性，利用matlab的simulink工具对励磁涌流和内部故障电流进行了波形仿真，作为实验的样本集。仿真结果表明，该方法能够准确地识别出变压器保护距离内的涌流和故障电流而且该方法相对与人工判断具有灵敏度高、可靠性高的优点，因此可以考虑将其应用到实际工程领域。

简介：传统的最小二乘支持向量机模型对训练样本的各个输入点同等看待,各输入向量的贡献度是相同,未对离群点加以考虑.在最小二乘支持向量机模型中引入隶属度的相关理论并建立模糊隶属度函数,对离群点和正常点赋予不同的贡献度,建立了模糊最小二乘支持向量机模型.最后,以美国PJM电力市场的边际电价预测为例,验证了本文模型的预测精度比传统的最小二乘向量机模型高50％左右,且复杂程度基本不变.

简介：本文采用支持向量回归机对物流需求进行预测,研究SVR在物流需求预测中的可行性。为了建立有效的SVR模型,SVR参数需要精心设置,针对物流需求非线性的特点,本文首次提出用遗传算法(GA)优化支持向量回归(SVR)机进行预测,采用最优参数构造SVR模型。以1990-2015年广西货运量为时间序列数据,实验结果表明,以平均绝对误差(MAPE)和均方差比值(MSE)为精度检验标准,GA-SVR比ARIMA和灰色预测具有更优的预测效果。

简介：为了提高风电功率预测精度，针对支持向量机（SVM）模型在风电功率预测中存在的参数选取问题，提出用人工鱼群算法（AFSA）寻找SVM模型的最优核函数参数和错误惩罚因子的优化方法。建立AFSA—SVM模型，结合聚类分析后的数值天气预报（NWP）数据对风电功率进行预测。经仿真实验并与BP、粒子群优化的支持向量机模型对比，AFSA-SVM优化模型在短期风电功率预测中有更好的预测效果。

简介：针对地震中城市桥梁震害状态具有较强的非线性、复杂性的特点，采用了具有RBF核函数的最小二乘支持向量机（LS-SVM）算法。在大量收集我国地震中城市桥梁震害资料的基础上，将此算法引入桥梁的震害预测中，选取了地震烈度、上部结构、地基失效程度、支座类型、墩台高度、桥梁跨数和场地类别等因素作为模型的特征输入向量，建立了最小二乘支持向量机的桥梁震害预测模型。通过反复地样本训练及模型参数设置，仿真结果表明，该方法具有一定的准确度和可行性。基于最小二乘支持向量机的桥梁震害预测方法是一种可以用于地震中桥梁震害预测的良好方法。

简介：

简介：在不均衡数据集下,SVM分类超平面的偏移,使得基于KKT条件进行样本选择的增量学习算法性能不佳,针对该问题,提出动态代价的SVM增量学习算法,该算法依据各类样本密度之间的关系动态计算类的错分代价,减少每次迭代中分类超平面偏移造成的错误累积,保证依据KKT条件选取样本的准确性,使得每次迭代选取的样本都包含当前分类器缺少的空间信息,提高最终分类器在不均衡数据集下的分类性能.最后,在UCI数据集上的仿真实验结果表明该算法能够提高不均衡数据下的分类性能.

简介：