简介：对SVM分类模型参数选择问题进行了研究,将免疫网络算法与SVM相结合形成一个AIN-SVM算法。数值测试结果表明该方法能够更快速地在更大的空间内进行有效搜索,与传统的交叉验证方法相比,在搜索速度与稀疏性上具有较大的优势。

简介：摘要：行人检测是图像识别领域研究的热点，采用AdaBoost和RBFSVM算法组合成级联分类器，利用OpenCV的HOGDescriptor类提取待检测对象的HOG特征，通过实验分析本文设计的AdaBoost-RBFSVM级联的分类器在误报率、准确分类率面有好的效果，大幅提高检测效率。

简介：

简介：随着样本数量的增加,算法的复杂度也随着增高,支持向量机算法需要解决一个关于样本维度的二次规划问题,文章提出一个新的算法:基于SVM的单类线性分类算法,通过增强约束不等式和为拉格朗日中的惩罚参数加平方,将二次规划问题转化为相对简单的线性问题,该算法能很好地应用于层次聚类和核聚类中。实验结果表明,本文提出的算法与单类SVM分类算法相比,在正确率几乎相同的情况下,运算速度有了很大的提高。

简介：本文通过使用SVM算法对具有自杀倾向的人群进行鉴别。据世界卫生组织报告，每年估计有超过80万人死于自杀，自杀未遂更是自杀死亡的25倍。因此提出一个可行的解决方案来预防自杀和降低自杀率十分重要。一般自杀预测研究用到了随机森林算法，利用已有的自残病人的数据，来预测这些病人自杀的可能性。这是一项以现在为结果，回溯到过去的研究。具有局限性，时间耗时长。为了加快模型的构建和预测的精准度，使用支持向量机进行预测。

简介：随着现实生活中数据集规模的不断增大,提出一个有效的分类算法势在必行。现今很多已有的算法是针对减少支持向量的数目来提高分类的效率,文章提出了一个基于决策树的支持向量机算法,旨在通过减少测试集的数目来提高支持向量机在测试阶段的分类速度。基于决策树的支持向量机算法的思想是利用决策树算出支持向量机的大致决策边界,决策树上含有单变量节点和SVM节点,支持向量机用来对靠近决策边界的重要的数据点进行分类,剩下的相对不重要的数据点用决策树对其进行快速分类。

简介：摘要：本文通过使用 SVM算法对具有自杀倾向的人群进行鉴别。据世界卫生组织报告，每年估计有超过 80万人死于自杀，自杀未遂更是自杀死亡的 25倍。因此提出一个可行的解决方案来预防自杀和降低自杀率十分重要。一般自杀预测研究用到了随机森林算法，利用已有的自残病人的数据，来预测这些病人自杀的可能性。这是一项以现在为结果，回溯到过去的研究。具有局限性，时间耗时长。为了加快模型的构建和预测的精准度，使用支持向量机进行预测。

简介：支持向量机（SVM）参数的优化一直是业界入侵检测领域研究的一个热点,对于此问题,可以将蚁群与交叉验证算法结合起来,对SVM参数进行优化。通过蚁群之间的信息资源的共享,可以非常有效地搜寻SVM的最优参数,运用该参数来确定蚁群的搜索空间,通过蚁群算法的全局寻优的特点得到最优解。实验结果表明,该算法不仅减少了入侵检测所需的时间,减少了误报率,而且还大幅提高了入侵检测的精准率。

简介：如何选取训练样本使得SVM达到更好的效果是机器学习中的一个难题。本文提出一种改进AP聚类算法，通过二分法不断扫描偏向参数P空间，得到最优的偏向参数P，以期得到更准确的聚类效果，从而选取更高质量的训练样本，使SVM达到更好的分类效果。实验结果显示与传统的SVM及AP—SVM分类器相比，本文的BAP—SVM能够得到更高质量的训练样本，从而得到更好的分类效果。

简介：摘要：为了加强与聋哑人群的无障碍沟通，团队提出了一种高效的手语识别技术。该项技术是利用了改良后的HOG算法、SVM技术和改进Canny算法。HOG算法的改良解决了主、副对角线上像素的灰度信息的问题；结合使用SVM技术，对静止哑语姿势进行特征提取和训练，从而有效捕捉手势的关键特征；改进Canny算法解决移动边界的提取问题，最大限度的提升了识别率和识别速度。通过实验验证，我们发现这种方法在识别成功率和时间效率方面，都优于传统的HOG特征结合SVM的方法。这种技术的实现，为聋哑人士与听力正常人群之间的交流提供了更加流畅的通道，是无障碍通信领域的一大进步。

简介：在对支持向量机方法的概率建模时,传统的支持向量机方法在决定样本的分类类别时,基于输出概率建模的SVM微钙化点检测算法及实验结果

简介：摘要：针对传感器信号采集系统中出现的误差，引入了基于最小二乘支持向量机（LS—SVM）的信号自适应补偿方法，以保证采集信号的准确度。介绍了常用的信号补偿方法，在此基础上提出了基于LS—SVM的补偿算法，并利用MATLABQuartusII软件进行仿真。结果表明该方案正确有效。

简介：则新样本不是支持向量,即支持向量机在全体样本上训练和在支持向量集上训练得到的决策函数相同,说明新样本不是支持向量

简介：在AI领域中,备受关注的一个问题是如何获得更好的分类,尤其是对于多分类的情形。目前,针对多分类算法已取得了大量的研究成果,很多较为高效的多分类算法也已应用到实践中,而对于多分类算法的研究仍然备受关注。以BT-SVM为基分类器,提出一种带阈值的新型动态加权多分类器集成的方法,并通过模拟和实证分析验证该算法的有效性,研究表明该算法对于平衡和非平衡数据的分类效果表现得都比较优良。

简介：摘要：传统的对数据库入侵的检测方法略有不足，对此提出基于改进SVM算法的数据库入侵检测优化方法研究。首先对基于改进SVM算法的数据库入侵检测优化方法进行设计，其中包括数据库入侵信号采集及预处理，基于SUM算法构建数据库序列，数据库的归一化处理最后进行数据降维处理实现检测优化。为验证所设计的有效性，将基于改进SVM算法的数据库入侵检测优化方法与基础的计算机数据库入侵检测方法以及基于关联规则的数据库入侵检测优化方法进行对比，最后验证基于改进SVM算法的数据库入侵检测优化方法的有效性。

简介：针对福建红茶（正山小种）图像中存在优劣茶叶颗粒的颜色差异,结合数字图像处理技术及应用机器学习,为达到更快更精确的自动识别图像中劣质茶叶的目的,提出一种基于K-Means和SVM耦合算法（KM-SVM）的茶叶图像识别方法.其算法首先进行K-Means聚类算法自动选取训练样本,然后分别提取样本中的颜色特征和纹理特征作为SVM模型训练样本的特征向量进行训练,最后用训练好的分类器对图像进行识别.实验结果表明,该耦合算法具有较高的可行性和有效性.

简介：摘要：现今的商业、科研工作产生的数据是海量的，受制于庞大的数据量和计算量。如何从这些数据中获取有意义的信息成为一个亟待解决的问题。对于大规模数据集,原始的数据挖掘算法处理能力有限。支持向量机(Support Vector Machine,SVM)很少过度拟合。并且,对于线性不可分数据集或特征向量维数很高的数据集,支持向量机算法的分类正确率相对比较高,适合于文本数据集。但是对于数据规模比较大的情况,支持向量机算法的计算复杂度高、运行时间比较长。 SVM 算法的单机执行速度往往不能达到用户的要求，利用 Spark 并行计算环境实 现 SVM 算法，并行分析和处理数据，能够显著提高 SVM 算法的执行效率，达到令人满意的效果。

简介：摘要：当前的建筑工程施工安全风险识别矩阵设定一般为单向的，识别的覆盖范围受限制，导致风险识别均值差增加，为此提出对基于PSO-SVM算法的建筑工程施工安全风险识别方法的设计与验证分析。根据当前的风险识别需求及标准，先进行基础风险识别因素的提取，采用多阶的方式，打破识别覆盖范围的限制，设计多阶段识别矩阵，以此为基础，构建PSO-SVM测算工程施工安全风险识别模型，采用层次多维判定实现安全风险识别处理。测试结果表明：对比于传统WBS-RBS建筑工程施工安全风险识别测试组、传统Apriori关联规则建筑工程施工安全风险识别测试组，本次所设计的PSO-SVM测算建筑工程施工安全风险识别测试组最终得出的风险识别均值差被较好的控制在0.2以下，说明在PSO-SVM算法的辅助下，当前对于建筑工程风险的识别效果更佳，针对性更强，误差可控，具有实际的应用价值。

简介：针对船舶主动力装置中机炉协调系统中存在的多变量强耦合、非线性及大延迟等特点，提出了基于SVM逆辨识的复合控制策略，并应用于协调控制系统的仿真研究。该方法将直接逆模控制与模糊控制结合，既利用了支持向量机逆控制设计简单，稳态精度高的优点，同时结合模糊控制响应快速，抗干扰能力强，鲁棒性好的优势，使得支持向量机模型即使没有经过足够充分的训练，也能保证控制器从一个快速和稳定的初始状态开始控制。仿真结果表明，该SVM复合控制算法在控制品质上有很大的提高。在动态响应速度、静态稳定性、抑制大超调以及鲁棒性等方面都表现出了极好的性能。

简介：支持向量机器(SVM)方法能被用来建立一个非线性的功能预言模型。学习理论基于小样品。核功能能被使用SVM方法基于实际样品数据自动地构造。作为结果，功能不仅得到更高合适的精确而且也更好概括。频率光谱和地震波形由Fourier变换是相关的，因此他们是一样的物理现象的二种不同形式。波形特性的变化反映差别反映的stratigraphic差别和频率光谱岩性学，液体作文，和形成厚度的变化。它直接用地震波形预言沙岩厚度。这充分不仅利用地震信息而且极大地增加预言的精确性。模型例子和实际应用显示出这个方法的适用性。