支撑向量机

摘要： 基于因子分析法,对发债企业违约前宏观经济环境、行业景气程度、财务状况等维度指标进行降维筛选,借助支撑向量机(SVM)算法,用国内近五年的信用债券违约样本进行机器学习,构建具有实效性的公司信用债券违约风险度量模型,并对河北省本土信用债券发行主体的违约风险进行预测和实证分析,为信用债券违约风险的监测预警提供参考。

摘要： 提出一种分数阶傅里叶变换(fractional Fourier transformation,FrFT)与支持向量机(support vector machine,SVM)相结合的建筑物变形组合预测模型。首先利用FrFT对变形时间序列进行多尺度分析,将复杂时间序列分解为一系列结构较为简单的子序列;然后利用SVM对每个子序列分别建立预测模型,通过将各个子序列的预测结果进行综合叠加,得到最终预测结果;同时考虑到SVM模型参数选择的难题,提出一种改进果蝇优化算法(improved fruit fly optimization algorithm,IFOA)对其进行全局寻优,提升预测性能。以西南地区某混凝土坝变形实测数据为例开展验证实验,结果表明,本文组合预测模型能够充分挖掘数据中隐含的趋势性和规律性信息,获得较高的预测精度。

摘要： 运动想象脑电信号的分类识别是当前脑机接口(BCI)技术面临的难点.针对该问题,提出一种融合主成分分析(PCA)和粒子群优化-支撑向量机(PSO-SVM)的运动想象脑电信号分类方法.首先利用PCA对采集到的高维脑电信号进行分析,剔除其中噪声分量并提取三维反应不同脑电信号差异特性的特征向量.然后利用SVM对特征向量进行分类,同时针对SVM分类性能受核参数影响较大的问题,利用PSO算法的全局寻优能力对其进行优化,从而提升SVM的分类性能.最后采用BCI竞赛中所用Graz数据进行实验,结果表明所提的PCA融合PSO-SVM方法可以获得95.3％的分类性能,在低信噪比条件下具有鲁棒性和较高的应用前景.

摘要： 2019年11月3日发射的GF-7号卫星是我国的第二颗亚米级、多角度民用商业卫星,其在农作物面积分布精细化识别方面潜力有待评估.依据2018年国家统计局数据,全国冬小麦播种面积占粮食作物总播种面积的19.23％,通过遥感手段准确识别冬小麦分布情况,是作物长势和作物估产等后续遥感产品准确评估的保证,对确保粮食安全具有极其重要的意义.通过支撑向量机和随机森林2种机器学习算法,分析高分七号亚米级光谱特征及其纹理特征对冬小麦的精细化识别能力.结果表明,基于影像光谱特征,SVM分类器取得了最优的分类精度,其中冬小麦识别精度为93.96％,总体精度为91.01％,Kappa系数为0.7632,面积精度为91.46％.

摘要： 笔者基于小波分析和支撑向量机理论,提出了一种新的数字图像降噪滤波的算法,讨论了支撑向量机应用于图像降噪的可行性,并采用了一维信号支撑向量机降噪实验,论证了这种方法的可行性.本文将支持向量机方法应用于图像降噪,采用小波分析和支撑向量机核函数的理论,导出了小波核函数,并且构造出了小波支撑向量机.为了更好地获得具有高质量支持向量机,文中利用基于小波分析的理论构造小波的核函数,能较好地逼近图像与恢复理想图像;然后,结合实例,论证了支持向量机用在图像图形处理去噪方法中是否可行,并利用SAR图像拟合去噪理论,阐述了近似理论的可行性.

摘要： 针对复杂电磁环境下毫米波阵列的空间辐射干扰抑制问题,设计了一种低成本的自适应波束成形系统.首先建立了复杂电磁环境下通信系统模型,建立目标函数.然后利用机器学习中支持向量机算法将原非凸约束问题转化为二阶锥优化问题,获得理想编码矢量.最后利用梯度追踪算法对理想波束矢量进行稀疏重构,完成抗干扰波束的低复杂度实现.仿真结果表明,提出的波束成形系统能够对干扰作出有效抑制,能提升通信质量.

摘要： 高轨卫星距离地球数万公里,雷达为了实现有效跟踪,通常使用增程技术.远距离使位置测量误差大到千米量级,增程导致数据率低到每帧以分钟计,雷达散射截面积(RCS)细节信息丢失,这给利用目标轨道和RCS进行目标分辨、识别带来困难.幸运的是高轨卫星目标相对观测视线位置和姿态稳定,天然消除了宽带一维像使用中方位敏感性的问题.本文通过一维像的尺寸、波形熵等特征,通过最小二乘支撑向量机,设计了高轨卫星目标的模板匹配算法,利用实测数据进行了识别验证,结果表明了方法的有效性.

摘要： 高轨卫星距离地球数万公里,雷达为了实现有效跟踪,通常使用增程技术。远距离使位置测量误差大到千米量级,增程导致数据率低到每帧以分钟计,雷达散射截面积(RCS)细节信息丢失,这给利用目标轨道和RCS进行目标分辨、识别带来困难。幸运的是高轨卫星目标相对观测视线位置和姿态稳定,天然消除了宽带一维像使用中方位敏感性的问题。本文通过一维像的尺寸、波形熵等特征,通过最小二乘支撑向量机,设计了高轨卫星目标的模板匹配算法,利用实测数据进行了识别验证,结果表明了方法的有效性。

摘要： 专利中含有丰富的计量信息,这些计量信息与专利价值之间存在着一定的联系.本文利用3d打印相关的六千多个专利族的十一组专利计量信息,验证了逻辑回归、支撑向量机和神经网络三种机器学习模型在专利价值评估上的表现.神经网络模型获得了较好的实验效果,逻辑回归模型可以对准确率或召回率进行单边控制,以满足特定的应用需要.

摘要： 高分辨率SAR图像目标识别研究是当前SAR应用的热点和难点内容。矩特征是目标识别的常用特征，其中MSA(Multi-scale Self-ConvelutionAffine)不变矩特征在传统矩特征优点的基础上，还可有效的描述目标的仿射变化情况。针对一般情况下SAR目标获取成本高，样本集数量少的情况，本文利用ISAR飞机数据集，首先提取目标的llSA不变矩特征和轮廓特征，然后利用可有效的解决小样本学习问题的支撑向量机(SVM)方法进行分类和识别实验，实验结果证明该方法可达到9096以上的识别率。

摘要： 提出求解广义支撑向量机(GSVM)优化问题的调节熵函数法,利用最优化理论的KKT互补条件,将GSVM转化为无约束优化问题,给出了基于BFGS迭代的调节熵函数法.介绍了广义支撑向量机优化问题的调节熵函数的有关性质、算法及其收敛性.数值实例表明了算法的可行性和有效性.

摘要： 随着病毒技术的发展，病毒的花样不断翻新，入侵的手段也越来越高，给网络信息安全造成了巨大的危害。为了克服目前反病毒领域采用的特征码检测技术不能及时查杀已知病毒的变种及新型病毒的缺点，本文提出了一种在Windows平台下检测变形病毒及未知病毒的方法：以文件所调用的win API序列为特征，采用关联分类及后处理技术构造分类器实现对变形病毒及未知病毒的主动防御。实验结果表明，本文提出的方法在对变形病毒及未知病毒的检测能力及性能上不仅优于常用的反病毒软件(如诺顿、卡巴斯基等)，同时也优于其他分类器(如朴素贝叶斯网络、支撑向量机及决策树等)。本文设计并实现的基于关联分类及后处理技术的病毒主动防御系统(ACMDS)已被一知名反病毒实验室采纳并用于实际工作中。

摘要： 利用支撑向量机(SVM)建立电厂锅炉燃烧模型，使用非线性模型预测控制算法(MPC)闭环控制锅炉的燃烧过程，改善锅炉燃烧状况，达到提高锅炉燃烧效率、减少污染物排放的目的。支撑向量机用于模型回归具有泛化能力强，在线训练速度快等优点，使用支撑向量机作为预测控制算法中的内部模型在非线性系统控制中具有良好的性能。 为求解这个模型预测控制算法中的非线性优化问题，提出了一种新的混合型优化算法，使用粒子群算法(PSO)进行全局搜索，使用拟牛顿法进行局部最优搜索，既实现了进化算法全局优化的特性，又保持了基于梯度的优化算法的快速收敛速度．

摘要： 给出一种视频序列中的人脸检测与跟踪算法.在人脸检测阶段,为了剔除光强对肤色检测的影响,采用U-V子空间法检测皮肤区域,再利用两帧差分图像的最小方差判断具有皮肤颜色的区域是否运动;然后利用支撑向量机来判断运动的区域是否为人脸.在跟踪阶段,利用Bhaattacharyya系数来寻找两帧人脸特征的最大相关系数,从而找出人脸随时间运动的轨迹.为了更好地预测人脸的运动,采用卡尔曼滤波器,同时将卡尔曼滤波器预测的位置反馈到人脸检测,使下一帧人脸的检测在此位置的邻域寻找,从而更好地利用Bhaattacharyya系数跟踪人脸的运动.仿真结果表明,该方法检测人脸区域较为准确,实时跟踪效果较好,能满足视频监控系统的要求.

摘要： 在通信系统抗干扰中干扰的检测及识别是一种关键的技术.本文提出了一种新的干扰识别算法.首先,应用盲信号分离算法来分离传感器接收到的混合干扰信号.然后从干扰信号的高阶累积量中提取特征参数用作进行SVM分类时的特征向量.最后,用SVM作为分类器来对单音干扰,多音干扰及脉冲干扰进行分类识别.计算机仿真结果表明,当信噪比不低于5dB时本文算法有较高的识别率。

摘要： 在通信系统抗干扰中干扰的检测及识别是一种关键的技术.本文提出了一种新的干扰识别算法.首先,应用盲信号分离算法来分离传感器接收到的混合干扰信号.然后从干扰信号的高阶累积量中提取特征参数用作进行SVM分类时的特征向量.最后,用SVM作为分类器来对单音干扰,多音干扰及脉冲干扰进行分类识别.计算机仿真结果表明,当信噪比不低于5dB时本文算法有较高的识别率。

摘要： 在通信系统抗干扰中干扰的检测及识别是一种关键的技术.本文提出了一种新的干扰识别算法.首先,应用盲信号分离算法来分离传感器接收到的混合干扰信号.然后从干扰信号的高阶累积量中提取特征参数用作进行SVM分类时的特征向量.最后,用SVM作为分类器来对单音干扰,多音干扰及脉冲干扰进行分类识别.计算机仿真结果表明,当信噪比不低于5dB时本文算法有较高的识别率。

摘要： 在通信系统抗干扰中干扰的检测及识别是一种关键的技术.本文提出了一种新的干扰识别算法.首先,应用盲信号分离算法来分离传感器接收到的混合干扰信号.然后从干扰信号的高阶累积量中提取特征参数用作进行SVM分类时的特征向量.最后,用SVM作为分类器来对单音干扰,多音干扰及脉冲干扰进行分类识别.计算机仿真结果表明,当信噪比不低于5dB时本文算法有较高的识别率。

摘要： 本发明基于先进的大数据处理技术和优化算法，提供了一种基于电力大数据的企业信用分模型构建方法。首先，通过基于数据的分类方法来对企业用电特征进行提取，充分利用多维度的电力大数据，确保准确提取企业用电特征，克服了多维度电力大数据使用不充分不完全的问题。其次，采用数据驱动的关联因素识别方法，将企业的用电特征、运营状况和企业成长性模式关联起来，通过Ranking SVM的方法构建企业信用分模型，仅需要使用一部分数据标签来训练模型，无需依赖全部数据和大量标签，大大降低了数据标注的成本。本发明的信用分生成模型，可以克服传统的专家经验模型存在主观性较强的缺陷，能更好的利用多维度的电力大数据，提高了模型输出信用分的准确性。

摘要： 本发明公开了一种结合支撑向量机的移动终端定位方法及装置。所述方法通过在离线训练阶段，将地图上每一参考位置和与参考位置对应的参考信号特征作为一个RF指纹数据，构建RF指纹数据库，并根据在地图上定义的每一分划线，从RF指纹数据库中获取对应的训练集来训练对应的支撑向量机，在在线定位阶段，将待定位终端获取的目标信号特征分别输入训练后的所有支撑向量机，根据所有输出结果确定待定位终端的目标区域，进而从RF指纹数据库中提取目标区域内的RF指纹数据，并根据KNN算法，将目标信号特征与目标区域内的RF指纹数据进行比对，确定待定位终端的目标位置，从而实现移动终端的精准定位。本发明能够有效提高移动终端在室内的定位精度。

摘要： 本发明公开一种基于选择性集成最小二乘支撑向量机的二噁英软测量系统，首先，基于先验知识给出数量为K的候选核参数集和数量为R的候选惩罚参数集。接着，采用LSSVM算法构建基于这些候选核参数和候选惩罚参数的数量为K×R的候选子子模型集合。然后，采用基于分支定界(BB)和自适应加权(AWF)的SEN(BBSEN‑AWF)算法对具有相同核参数和不同惩罚参数的候选子子模型进行选择和合并，进而得到数量为K的候选SEN子模型集合。最后，对数量为K的候选SEN子模型集合再次采用BBSEN‑AWF算法，获得基于SEN‑LSSVM的DXN软测量模型。

摘要： 本发明公开了一种基于支撑向量机的无线传感网入侵检测方法，首先通过建立无线传感网的流量模型来描述系统网络的流量模式，根据该流量模型从网络数据流量包中提取流量特征参数，并对流量特征参数进行归一化处理；通过上述流量特征参数来训练支撑向量机，学习系统网络的流量模式；采用经过训练的支撑向量机进行在线入侵检测；本发明提供的这种无线传感网入侵检测方法，使用网络流量模型提取无线传感网运行状态参数，不用对网络报文进行深度解析，只需要提取少量的特征参数，即可实现实时的入侵检测，并且可通用于周期轮询型和事件触发型无线传感网的入侵检测；在保证实用性的同时，极大地提高了检测率、降低了误报率。

摘要： 本发明公开了一种基于支撑向量机的画像风格分类方法，主要解决名画甄别中需要借助于专业的物理设备和刑侦破案中比对出的犯罪嫌疑人照片精确性差的问题。其技术方案是：(1)划分数据库样本集为训练集和测试集；(2)将划分训练集为五个部件训练集；(3)将每个部件训练集生成五组风格集和相应的类标；(4)在五组风格集和相应的类标之间生成支撑向量参数；(5)划分测试集为五个部件测试集；(6)用每个部件测试集生成部件向量；(7)由五个部件向量生成五个部件类标；(8)由五个部件类标生成测试画像的风格类标。本发明无需借助于专业的物理设备就可甄别出画像风格，并能比对出精确性高的犯罪嫌疑人照片，可用于名画甄别和刑侦破案。

摘要： 本发明公开了一种支撑向量机SVM的非线性预测控制建模方法，具体步骤如下：S1、非线性系统广义预测控制；S2、引入支持向量机SVM模型；S3、输入参考轨迹参数；S4、支持向量机SVM模型预测；S5、测量被控对象的输入数据和输出数据，作为训练SVM的样本；S6、对SVM做离线训练，获得SVM预测模型；S7、通过得到的SVM预测模型，产生非线性系统的输出，计算出误差，并进行反馈校正；S8、通过反馈校正，得到全局最优控制量，获得广义预测模型下的最优控制策略，实现广义预测控制。本发明通过引入支持向量机模型，计算出系统全局最优控制量，为非线性控制预测系统提供最优控制策略，进而提高自动控制系统的效能。

摘要： 本发明公开了一种结合支撑向量机的移动终端定位方法及装置。所述方法通过在离线训练阶段，将地图上每一参考位置和与参考位置对应的参考信号特征作为一个RF指纹数据，构建RF指纹数据库，并根据在地图上定义的每一分划线，从RF指纹数据库中获取对应的训练集来训练对应的支撑向量机，在在线定位阶段，将待定位终端获取的目标信号特征分别输入训练后的所有支撑向量机，根据所有输出结果确定待定位终端的目标区域，进而从RF指纹数据库中提取目标区域内的RF指纹数据，并根据KNN算法，将目标信号特征与目标区域内的RF指纹数据进行比对，确定待定位终端的目标位置，从而实现移动终端的精准定位。本发明能够有效提高移动终端在室内的定位精度。

摘要： 本申请公开了一种基于支撑向量机的故障分类模型的训练方法及装置。该方法采用预设分类原则，对获取的故障样本数据进行分类，得到测试样本数据和训练样本数据；基于预设多重宇宙优化算法和预设的第二数量的训练参数，对训练样本数据进行第一数量次迭代训练，得到第一数量的SVM故障分类模型，训练参数包括一组惩罚系数和核宽度；根据测试样本数据，对第一数量个SVM故障分类模型进行测试，获取第一数量个适应度，适应度是根据测试样本数据的测试值与相应真实值确定的；将第一数量个适应度中最小适应度对应的SVM故障分类模型确定为最优SVM故障分类模型。该方法通过结合多重宇宙优化算法与支撑向量机提高了故障诊断效率。

摘要： 本发明将支撑向量机和酶数值膜系统相结合，充分利用酶数值膜系统的并行性，通过建立酶数值膜系统模型，对数据集中的数据用一种并行的方式完成最小序列优化，每一个细胞膜中的数据同时与condition进行比较，销毁那些不符合条件的细胞膜，直到剩下唯一个细胞膜为止，该细胞膜中包含的变量值即为要求取的结果。随后将转化成对偶问题的SVM中损失函数α算子求得出来，根据损失函数中权重W,偏置b与α相应的关系，求出W,b，即可获得相应的分类函数。本发明提供的技术方案基于酶数值膜系统的支撑向量机模型,可以利用酶数值膜系统的并行性特点，快速的进行上最小序列优化。将该模型应用于各种机器学习算法中，有利于提高各类机器学习算法的效率。

摘要： 本发明公开一种基于选择性集成最小二乘支撑向量机的二噁英软测量系统，首先，基于先验知识给出数量为K的候选核参数集和数量为R的候选惩罚参数集。接着，采用LSSVM算法构建基于这些候选核参数和候选惩罚参数的数量为K×R的候选子子模型集合。然后，采用基于分支定界(BB)和自适应加权(AWF)的SEN(BBSEN‑AWF)算法对具有相同核参数和不同惩罚参数的候选子子模型进行选择和合并，进而得到数量为K的候选SEN子模型集合。最后，对数量为K的候选SEN子模型集合再次采用BBSEN‑AWF算法，获得基于SEN‑LSSVM的DXN软测量模型。