搜索结果: 1-15 共查到“计算机科学技术 SVM”相关记录179条 . 查询时间(0.234 秒)
一种基于GSA SVM网络安全态势预测模型
网络安全态势预测 支持向量机 引力搜索算法
2019/4/17
针对支持向量机的参数选择问题，结合引力搜索算法（GSA）需要设置的参数少以及全局优化能力强的特点，提出了一种GSA优化SVM参数的网络安全态势预测模型（GSA SVM）。首先把SVM的参数视作在空间中的物体，并将SVM在该参数下预测产生的预测值和实际值之间的均方误差mse作为目标优化函数，然后GSA通过模拟万有引力规律影响下物体的运动规律不断变化参数，最终找到SVM最优参数。最后根据最优参数建立网...
基于测度优化Laplacian SVM的中文指代消解方法
测度优化 Laplacian SVM 中文指代消解 半监督学习 自然语言处理
2016/12/24
相比于传统的基于半监督学习的指代消解方法，Laplacian SVM（Support Vector Machine）能有效的挖掘已标注样本和未标注样本的相似性和关联性，更好的推导模型的分类边界.而传统Laplacian SVM采用欧式距离度量样本之间的距离，使得异类样本之间的相似性可能过大，不利于样本的准确分类.对此，提出一种基于数据驱动学习最优测度Laplacian SVM算法以解决中文指代消解...
核化一类硬划分SVDD、一/二类L2-SVM、L2 支持向量回归和Ranking SVM均已被证明是中心约束最小包含球. 这里将多视角学习引入核化L2-SVM, 提出核化两类多视角L2-SVM (Multi-view L2-SVM), 并证明该核化两类Multi-view L2-SVM 亦为中心约束最小包含球, 进而提出一种多视角核心向量机MvCVM. 所提出的Multi-view
L2-SVM...
基于活跃目标点粒子群算法的SVM参数选取
支持向量机 活跃目标点粒子群算法 参数选取 Support Vector Machines Active Target Particle Swarm Optimization Parameter Selection
2014/6/20
支持向量机是最近才兴起的一种分类工具，它广泛用于控制领域，但是其预测精度受到了其参数选取的影响。使用活跃目标点改进粒子群优化算法,利用活跃目标点粒子群算法搜索支持向量机的最优参数组合。对比仿真实验表明：活跃目标点粒子群算法可以正确支持向量机的参数，能够进行较为准确的分类。Support Vector Machine (SVM), a new mathematic modeling tool, ha...
针对基于拉普拉斯支持向量机(LapSVM)的半监督分类方法需要将全部无标记样本加入训练样本集中训练得到分类器,算法需要的时间和空间复杂度高,不能有效处理大规模图像分类的问题,提出了模糊C-均值聚类(FCM)预选取样本的LapSVM图像分类方法。该方法利用FCM算法对无标记样本聚类,根据聚类结果选择可能在最优分类超平面附近的无标记样本点加入训练样本集,这些样本可能是支持向量,携带对分类有用的信息,其...
基于SVM过滤的微博新闻话题检测方法
话题检测 特征向量 SVM
2014/3/26
在基于聚类的话题检测方法上提出了一种基于SVM过滤的检测方法，该方法在聚类前将微博文本特征抽象成用于输入向量机的向量，对微博文本进行过滤，降低了计算量。并针对微博聚类的长尾现象提出了基于高频词排序的改进单遍聚类方法，能很好地检测孤立点的存在。实验表明，该方法在海量微博数据中能有效地检测出新闻话题。
针对未知网络协议数据流的获取与标记工作主要依赖于领域专家。然而，样本数据量的增加会导致人工成本超过实际负荷。提出了一种新颖的未知网络协议识别方法。该方法基于主动学习算法，仅依靠原始网络数据流的载荷部分实现对未知网络协议的有效识别。实验结果表明，采用该方法设计的识别系统在保证识别准确率和召回率的前提下，能够有效地降低学习过程中标记的样本数目，更适用于实际的网络应用环境。
新型二分类支持向量机P2M-SVM
可能性二均值聚类 半监督二分类支持向量机 全局最优 稳健性 泛化能力 P2M Semi-Supervised SVM Robustness Generalization Ability
2014/6/20
提出基于可能性二均值聚类(Possibilistic Two Means, P2M)的二分类支持向量机(Support Vector Machine, SVM)。该算法先用P2M对未知类别的二分类数据进行划分，然后利用支持向量机对划分后的数据进行训练。人造数据和UCI数据上的分类实验表明，该算法综合利用了P2M聚类的稳健性和SVM分类的强泛化能力，提高了传统聚类的分类精度并降低了SVM的类别采集代...
PCR-RBF-SVM预测模型在财政数据中的应用
主成分回归 径向基神经网络 支持向量机 预测
2012/11/12
通过使用支持向量机算法将主成分回归的线性预测结果和径向基神经网络的非线性预测结果相结合，提出一种新的预测模型，该模型提高了预测精度，解决了预测方式单一的问题。将新预测模型应用于财政数据预测结果表明，与传统主成分回归和径向基神经网络方法相比，该模型预测效果更好。
基于Contourlet 变换与SVM 的人脸识别方法研究
人脸识别 轮廓波变换 支持向量机
2012/9/11
利用Contourlet 变换的方向性和各向异性，提出了一种基于Contourlet 变换和支持向量机（SVM）的人脸识别方法。首先对人脸图像进行Contourlet 变换，将得到的低频分量系数作为人脸图像的识别特征，然后利用SVM 多类别分类器进行分类。实验结果表明该方法具有较好的识别性能。
目前基于视频图像的火灾识别系统是大空间场景中预防火灾的有效方法。为了提高检测性能,基于火焰特定的纹理结构,使用多尺度纹理特征,以获得更全面的特征信息。首先使用火焰的明亮特性定位到疑似火焰区域;然后针对这些区域,采用局部二值模式(local binary patterns, LBP)方法提取多尺度纹理特征;最后将多尺度LBP纹理特征输入到支持向量机(support vector machine, S...
提出一种迭代再权q 范数正则化最小二乘支持向量机(LS SVM)分类算法。该算法通过交叉校验过程选择正则化范数的阶次q(0SVM对比3组癌症数据，实验结果表明，该算法能够实现自适应特征选择，且比LS SVM推广能力强，在算法耗时方面优于LS SVM。
PCR-RBF-SVM预测模型在财政数据中的应用
主成分回归 径向基神经网络 支持向量机 预测
2012/11/12
通过使用支持向量机算法将主成分回归的线性预测结果和径向基神经网络的非线性预测结果相结合, 提出一种新的预测模型, 该模型提高了预测精
度, 解决了预测方式单一的问题. 将新预测模型应用于财政数据预测结果表明, 与传统主成分回归和径向基神经网络方法相比, 该模型预测效果更好。
将禁忌搜索和遗传算法相结合，提出一种改进的最小二乘支持向量机(LS-SVM)参数优选方法。利用自适应遗传算法进行全局搜 索，使用禁忌搜索进行局部寻优，由此提高求解速度和解的精度。采用某冶炼厂净化工段的现场数据建立模型进行仿真实验，结果表明，该方法能使LS-SVM模型具有较好的泛化能力，模型精度满足工艺要求。