SVM算法

摘要： 视频直播是近年来最火的新型产业。由于弹幕独特的在线实时、语言简略与互联网化特征,现有方法难以直接用于弹幕情感分析。为解决弹幕文本分析精度问题,针对弹幕语料库缺乏以及语言简略与互联网化特征,构建弹幕专属情感词典。针对直播弹幕语言的特性,提出一种基于改进SVM的情感分析模型。通过引入分类处理因子与梯度下降因子,降低了预测器的泛化误差。在此基础上,提出词向量、情感词、否定词和标点符号等多种融合特征的方法,将融合结果映射到向量空间上,再通过分类器进行情感分类。实验结果表明,改进的SVM分类器模型比未改进模型在精确率、召回率、F1值上分别提高3.8%、2.3%、1.1%。

摘要： 在面对地域面积大且地势起伏大的农田时,传统的农田节水灌溉技术无法从根本上解决水资源浪费的情况,因此提出基于支持向量机(Support Vector Machine,SVM)算法的农田节水灌溉路径自动规划方法。通过构建农田节水灌溉路径的模型获取农田节水灌溉方案,利用SVM算法对农田节水灌溉最优路径进行自动规划。结果表明,SVM算法自动规划出的路径用水总量为994.42 m^(3)·hm^(-2),而按照人工所规划出的路径用水总量为1368.42 m^(3)·hm^(-2),在同样时间内可以更有效地对农田进行节水灌溉,可见此次基于SVM算法自动规划的农田节水灌溉路径是有效果的。

摘要： GF-1 WFV卫星数据已成为农业遥感业务运行系统的主要数据源之一,在农业生产和管理中得到了规模化应用,为农业部门提供了科学客观的信息支持。文章以2019年5月15日及2019年8月4日的GF-1 WFV数据为数据源,利用SVM算法采用多时相遥感数据对水稻、大豆和玉米进行空间分布提取,利用野外实测点数据进行分类精度验证。结果表明,基于多时相GF-1 WFV遥感数据利用SVM算法对绥化市北林区主要农作物种植结构进行提取,kappa系数0.88579,总分类精度90.1%。基于GF-1 WFV提供的多时相遥感数据提取主要农作物种植结构精度满足监测要求,为GF-1 WFV卫星数据应用奠定技术基础。

摘要： 为了在不同环境条件下对建筑能耗进行较为准确的预测,文中提出一种基于计算流体动力学(CFD)仿真和支持向量机(SVM)算法的建筑能耗预测系统。首先利用CFD方法建立三维建筑模型并进行仿真,获得若干输入输出样本;然后将得到的样本按3∶1的比例分为训练集和测试集,利用SVM算法对训练集样本进行学习训练,获得一个能耗预测模型;最后将测试集样本放入该模型中,对模型的准确性进行验证。结果表明:SVM能耗预测模型的结果与仿真结果相比,误差百分比在[-1.133%,1.132%];经过实际建筑模型测试,实物测试能耗值与预测能耗值误差百分比在[-6.211%,8.118%]。当环境条件改变时实物测试能耗值和预测能耗值变化趋势一致。与现有一些预测模型相比,文中预测模型使用的SVM算法不需要太多的训练样本,且结合CFD仿真方法,能够使建筑能耗预测结果具有较高的准确性。

摘要： [目的/意义]从数字人文视角下构建古汉语典籍领域的知识图谱自动问答系统,促进中华传统文化发展与创新。[方法/过程]文章以《左传》为具体研究对象,在此基础上使用支持向量机(SVM)算法实现问句的意图识别,基于BERT-LSTM-CRF的深度学习算法实现问句的实体识别功能,再通过构造Cpyher查询表达式在Neo4j数据库中检索并返回结果;前端则基于Flask框架搭建展示平台供用户使用,最终实现问答系统的搭建。[结果/结论]该问答系统可以实现古文领域问题的智能检索,具有应用价值。

摘要： 针对大数据环境下并行支持向量机(SVM)算法存在冗余数据敏感、参数选取困难、并行化效率低等问题,提出了一种基于Relief和BFO算法的并行SVM算法RBFO-PSVM。首先,基于互信息和Relief算法设计了一种特征权值计算策略MI-Relief,剔除数据集中的冗余特征,有效地降低了冗余数据对并行SVM分类的干扰;接着,提出了基于MapReduce的MR-HBFO算法,并行选取SVM的最优参数,提高SVM的参数寻优能力;最后,提出核聚类策略KCS,减小参与并行化训练的数据集规模,并提出改进CSVM反馈机制的交叉融合级联式并行支持向量机CFCPSVM,结合MapReduce编程框架并行训练SVM,提高了并行SVM的并行化效率。实验表明,RBFO-PSVM算法对大型数据集的分类效果更佳,更适用于大数据环境。

摘要： 针对财务信息正常与不正常样本数据集不平衡的问题,研究提出一种基于改进SVM的财务信息预警共享模型。首先,采用相关性检验法对财务信息初始特征进行检验,并确定了财务信息的重要特征;然后,采用改进的SVM算法构建了财务信息预警共享模型;最后,通过仿真实验验证了算法的可行性和有效性。结果表明,本研究提出的基于改进SVM算法的财务信息预警共享模型,对训练集样本分类正确率从91.46%,对测试集样本分类正确率为87.83%,相较于标准SVM算法和基于人工合成模型,本研究算法具有一定的优越性,可对财务信息进行准确分类。

摘要： 本研究针对智能高压开关集成度低、一二次融合设计不完善的问题,以ZF11Z-252 kV智能高压开关为研究对象,提出一种高集成度的设计方法。该方法能够优化网络结构,可应用于智能机构,并建立多维度的状态感知系统。本研究基于SVM算法的状态监测及评估技术,完成对系统的设计与开发,并开展机械特性监测与评估试验。通过综合监测和评估技术的应用,能及时发现高压开关设备的早期隐患,避免故障恶化,从而大大提高了智能化和数字化水平,符合新一代智能变电站对高压开关设备的要求,有较好的推广应用价值。

摘要： 为了实现红层公路边坡稳定性的快速评价,以四川省仁沐新高速公路工程为依托,通过红层边坡稳定性影响因素的分析,形成边坡快速评价的指标体系,基于机器学习理论,建立了以SVM算法为核心的红层公路边坡稳定性快速评价模型,并运用该模型对仁沐新高速公路全线16个边坡进行快速评价,其结果与现场的地质判断是吻合的,验证了评价方法的实用性与准确性,可为红层地区公路的施工与防治提供参考。

摘要： 针对并行SVM在大数据环境下对冗余数据敏感、参数寻优能力差以及并行过程中出现的负载不均衡等问题,提出了一种基于聚类算法和鲸鱼优化算法的并行支持向量机算法MR-KWSVM。首先,该算法提出KF策略来删减冗余数据,利用删减冗余数据后的数据集训练SVM,降低SVM对冗余数据的敏感性;其次,提出了基于非线性收敛因子和自适应惯性权重的鲸鱼智能优化算法IW-BNAW,利用“IW-BNAW”算法获取SVM的最优参数,提高支持向量机的参数寻优能力;最后,在利用MapReduce构造并行SVM的过程中,提出时间反馈策略用于reduce节点的负载调度,提高了集群的并行效率,实现了高并行的SVM。实验结果表明,所提算法不仅保证了SVM在大数据环境下的高并行计算能力,SVM的分类准确度也有明显提高,并且具有更好的泛化性能。

摘要： 利用SVM算法，在气象台站历史数据基础上进行降水分类研究，通过缺失值处理和数据标准化处理，修正气象因素对降水分类模型建立的影响。探讨了高斯核函数和惩罚系数的选择。实验表明，SVM模型具有较好的分类效果。

摘要： 利用SVM算法，在气象台站历史数据基础上进行降水分类研究，通过缺失值处理和数据标准化处理，修正气象因素对降水分类模型建立的影响。探讨了高斯核函数和惩罚系数的选择。实验表明，SVM模型具有较好的分类效果。

摘要： 利用SVM算法，在气象台站历史数据基础上进行降水分类研究，通过缺失值处理和数据标准化处理，修正气象因素对降水分类模型建立的影响。探讨了高斯核函数和惩罚系数的选择。实验表明，SVM模型具有较好的分类效果。

摘要： 利用SVM算法，在气象台站历史数据基础上进行降水分类研究，通过缺失值处理和数据标准化处理，修正气象因素对降水分类模型建立的影响。探讨了高斯核函数和惩罚系数的选择。实验表明，SVM模型具有较好的分类效果。

摘要： 近年来，随着互联网的发展，越来越多的人在网上发表观点、评论等。目前对于这些包含观点的意见型文本的研究十分活跃，而主题与情感的关系匹配是意见挖掘中比较关键的一项研究内容。通过获得的意见元素关系(以下简称元素关系)为意见挖掘的后续研究奠定了基础，同时元素关系可以有效解决汉语意见挖掘中指代消解以及评价对象遗漏等问题。本文主要研究意见型文本中主题、情感成分的抽取以及二者所含有的元素关系等。本文首先使用信息检索中常用的tf／idf算法抽取主题，利用情感词词典抽取情感，然后将同一个句子中共现的主题以及情感作为候选集合，使用最近匹配以及SVM算法并结合词汇，词性，语义、距离等句子以及上下文特征进行主题以及情感的元素关系抽取。最后，本文除了比较两种算法，还比较了不同规模，不同正反例比例以及不同领域条件下的系统性能指标。

摘要： 近年来，随着互联网的发展，越来越多的人在网上发表观点、评论等。目前对于这些包含观点的意见型文本的研究十分活跃，而主题与情感的关系匹配是意见挖掘中比较关键的一项研究内容。通过获得的意见元素关系(以下简称元素关系)为意见挖掘的后续研究奠定了基础，同时元素关系可以有效解决汉语意见挖掘中指代消解以及评价对象遗漏等问题。本文主要研究意见型文本中主题、情感成分的抽取以及二者所含有的元素关系等。本文首先使用信息检索中常用的tf／idf算法抽取主题，利用情感词词典抽取情感，然后将同一个句子中共现的主题以及情感作为候选集合，使用最近匹配以及SVM算法并结合词汇，词性，语义、距离等句子以及上下文特征进行主题以及情感的元素关系抽取。最后，本文除了比较两种算法，还比较了不同规模，不同正反例比例以及不同领域条件下的系统性能指标。

摘要： 近年来，随着互联网的发展，越来越多的人在网上发表观点、评论等。目前对于这些包含观点的意见型文本的研究十分活跃，而主题与情感的关系匹配是意见挖掘中比较关键的一项研究内容。通过获得的意见元素关系(以下简称元素关系)为意见挖掘的后续研究奠定了基础，同时元素关系可以有效解决汉语意见挖掘中指代消解以及评价对象遗漏等问题。本文主要研究意见型文本中主题、情感成分的抽取以及二者所含有的元素关系等。本文首先使用信息检索中常用的tf／idf算法抽取主题，利用情感词词典抽取情感，然后将同一个句子中共现的主题以及情感作为候选集合，使用最近匹配以及SVM算法并结合词汇，词性，语义、距离等句子以及上下文特征进行主题以及情感的元素关系抽取。最后，本文除了比较两种算法，还比较了不同规模，不同正反例比例以及不同领域条件下的系统性能指标。

摘要： 近年来，随着互联网的发展，越来越多的人在网上发表观点、评论等。目前对于这些包含观点的意见型文本的研究十分活跃，而主题与情感的关系匹配是意见挖掘中比较关键的一项研究内容。通过获得的意见元素关系(以下简称元素关系)为意见挖掘的后续研究奠定了基础，同时元素关系可以有效解决汉语意见挖掘中指代消解以及评价对象遗漏等问题。本文主要研究意见型文本中主题、情感成分的抽取以及二者所含有的元素关系等。本文首先使用信息检索中常用的tf／idf算法抽取主题，利用情感词词典抽取情感，然后将同一个句子中共现的主题以及情感作为候选集合，使用最近匹配以及SVM算法并结合词汇，词性，语义、距离等句子以及上下文特征进行主题以及情感的元素关系抽取。最后，本文除了比较两种算法，还比较了不同规模，不同正反例比例以及不同领域条件下的系统性能指标。

摘要： 数据挖掘技术能够从大量、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐舍在其中的、人们事先不知道的本质的规律.为了有效地发现旋转机械故障诊断过程中的故障征兆知识,引入数据挖掘技术和方法.针对旋转机械,构建了基于SVM的故障诊断知识获取系统.通过收集故障现象并整理成由故障征兆、故障类型等组成的故障信息样本,应用SVM算法对故障进行分析得到故障诊断规则集文件,并能时旋转机械的常见故障进行诊断,验证了算法的合理性.

摘要： 数据挖掘技术能够从大量、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐舍在其中的、人们事先不知道的本质的规律.为了有效地发现旋转机械故障诊断过程中的故障征兆知识,引入数据挖掘技术和方法.针对旋转机械,构建了基于SVM的故障诊断知识获取系统.通过收集故障现象并整理成由故障征兆、故障类型等组成的故障信息样本,应用SVM算法对故障进行分析得到故障诊断规则集文件,并能时旋转机械的常见故障进行诊断,验证了算法的合理性.

摘要： 本发明是基于AMFO算法和SVM算法继电器贮存寿命预测方法，包括如下步骤：步骤1获取材料性能参数；步骤2对参数数据进行主成分分析，获取主成分变量；步骤3将主成分变量分别取训练集和测试集数据，将训练集数据输入SVM模型中进行训练学习；步骤4：采用自适应飞蛾火焰优化算法对SVM模型的核函数中的参数进行优化，利用最优参数进行构建SVM模型，建立起优化后的模型进行寿命预测；步骤5设置失效阈值，预测到达失效阈值的退化曲线；步骤6通过计算概率密度函数得出最终的预测的寿命。本发明将数据样本放入SVM模型中进行训练后进行寿命预测，引进非线性动态自适应步长方法，能够使飞蛾搜索能力增强，提高飞蛾的全局寻优能力。

摘要： 本发明公开了一种基于改进PSO算法辅助SVM算法的切削力预测方法，基于历史工艺数据，按照以下步骤进行切削力的预测，确定基于SVM算法切削力预测模型的输入、输出；进行SVM参数模型训练；使用改进PSO算法优化SVM算法参数。本发明将改进PSO算法和SVM算法同时引入切削力预测中,采用SVM模型挖掘切削力参数和相关影响参数的非线性回归关系，建立切削力的预测模型。并且通过改进PSO算法来优化模型参数，提升搜索精度,加快收敛,提高了程序的准确性，进一步提高切削力预测模型的预测性能。对实现切削力的精准预测，提高工件加工质量、建设智能化车间具有重要意义。

摘要： 本发明公开了一种基于SVM算法的风电机组偏航卡顿诊断方法及系统，该方法包括以下步骤：S1、获取原始数据；S2、对原始数据进行预处理；S3、进行特征提取；S4、将训练数据划分为训练集和测试集，对训练集进行标注；S5、将标注后的训练集输入到SVM算法中进行训练，得到偏航卡顿诊断模型；S6、计算测试集准确率和构建ROC曲线；S7、评估偏航卡顿诊断模型的分类效果；S8、对偏航卡顿诊断模型的实际识别结果准确率进行人工校验，若校验合格，则发布该偏航卡顿诊断模型并启动分析；本发明通过获取风电机组的传感器数据及改进优化偏航控制算法，能够快速有效识别风电机组运行过程的偏航卡顿，及时预警反馈至现场，降低部件故障率和运维费用，节约成本。

摘要： 本发明公开了一种基于MHHO算法及SVM模型烟叶等级识别方法、系统，该方法包括获取烟叶等级化学成分数据集，结合MHHO算法对初始SVM模型进行训练，获得优化后的SVM模型；获取待分类的烟叶等级化学成分数据集；将数据集输入优化后的SVM模型；根据SVM模型输出结果确定烟叶等级并分类；SVM模型优化具体为通过MHHO算法，优化SVM模型选取参数，实现优化SVM模型；MHHO算法为：使用混沌扰动收敛的非线性时变策略更新哈里斯鹰算法探索转换至开发阶段中逃逸能量的计算策略；使用混沌扰动收敛的非线性时变策略更新哈里斯鹰算法中开发阶段的位置更策略。本方法减少数据的误差，有效提高了烟叶等级识别效率及精度。

摘要： 本发明提供一种基于SVM算法的网络资产确认方法及系统，包括：提取已判定网页信息中的关键词，分别生成必然关联关键词向量、疑似关联关键词向量和必然非关联关键词向量；获取待判定网页信息，进行分词并生成词向量；根据必然关联关键词向量和必然非关联关键词向量对词向量逐一比对，以判定待判定网页信息是否为公司网络资产；对于疑似公司网络资产，则根据疑似关联关键词向量对词向量逐一比对，生成特征值向量；对特征值向量采用SVM算法进行学习，得到待判定网页信息是否为公司网络资产的预测结果，提高判定的准确度，避免出现漏检、少检的现象。关键词是根据从已经判定的网页信息中提取，使得判断结果的准确率更高，能进一步提高执行速度。

摘要： 本发明公开了一种基于遗传算法优化的SVM的配电网拓扑辨识方法，包括利用SCADA系统采集不同拓扑结构下观测节点的多种负荷水平的断面电压幅值量测数据和相应的拓扑标签，进行标准化预处理；得到经过标准化预处理后的训练数据集。建立基于遗传算法优化的SVM的配电网拓扑辨识模型；从监测节点获取观测节点的断面电压幅值量测数据，并进行标准化预处理。将步骤三得到的数据带入基于人工鱼群算法优化的SVM的配电网拓扑辨识模型，获得观测节点的电路拓扑结构。本发明现有技术的求解速度慢，搜索效率低的问题。

摘要： 本发明公开了基于POFP‑SVM算法的省级月度用电量预测方法，该方法研究计及用电量的影响因素的省级月度用电量预测问题，考虑月度平均温度、月度平均电价及月度GDP数值这三个影响因素，利用二阶灰色预测模型对上述影响因素进行前级预测；本发明还针对传统的支持向量机预测模型进行改进，采取粒子群算法进行径向基核参数和惩罚参数寻优，确定支持向量机的最佳预测模型，建立并定义了新的POFP‑SVM模型，即基于参数寻优和特征预测的支持向量机预测模型；将二阶灰色预测模型前级预测的结果输入到训练好的支持向量机预测模型，得到月度用电量预测值。本发明方法提升了模型的适用性，预测效果较普通模型大大提升。

摘要： 本发明公开了一种基于布谷鸟搜索算法的SVM的配电网拓扑辨识方法，包括：利用SCADA系统采集不同拓扑结构下观测节点的多种负荷水平的断面电压幅值量测数据和相应的拓扑标签，进行标准化预处理得到训练数据集。根据训练数据集对支持向量机进行训练学习，并通过布谷鸟搜索算法对设置初始的惩罚因子C和核函数参数进行搜索分析分别获得其最优值；确定基于布谷鸟搜索算法优化的支持向量机的配电网拓扑辨识模型。从监测节点获取观测节点的断面电压幅值量测数据，并进行标准化预处理。利用得到配电网拓扑辨识模型对观测节点预处理后的断面电压幅值量测数据进行分析，确定节点的电路拓扑结构。本发明提出的方法均比传统方法具有很大的优越性。

摘要： 本发明公开了一种基于SVM算法的多声道超声流量计误差补偿方法，包括通过多声道超声流量计测量获取多个声道流量数据，同时提取环境温度与介质温度；将声道流量数据进行预处理得到不对称系数和积分速度；输入相关参数到支持向量机模型中，并设定误差作为输出，将输出的误差加到测量得到的示值上进行补偿，得到补偿结果；将补偿后的数据与原始数据进行对比，通过对比补偿前和补偿后的相对误差进行方法验证。本发明可以显著提高超声流量计的测量精度，降低影响因素产生的误差。

摘要： 本发明公开了一种基于PLS‑SVM‑GA算法的电网投资能力预测方法，包括步骤：S101、确定电网企业投资能力的初始影响因素；S102、根据灰色关联度分析进行变量的初步选择；S103、利用偏最小二乘法中的主成分分析对初始影响因素进行提取；S104、将提取出的成分通过支持向量机模型构建训练样本集；S105、利用遗传算法对支持向量机的参数进行优化；S106、对电网投资能力的拟合效果进行评价；S107、利用优化后的支持向量机对电网投资能力进行预测并输出评价指标。本发明兼顾支持向量机和遗传算法的优点，能够更好地考虑非线性因素影响，使模型具有较好的鲁棒性和预测稳定性，从而大大提高预测结果的准确性。