SVM模型

摘要： 在英语成为全球经济、科技、文化交流的通用语言的背景下,为了提升我国大学英语素质教学的水准,从客观上解决英语教学评价过程中存在的教学内容制定不合理、教学方法单一、教师水平参差不齐、教学评价体系不全面等问题,本文综合SVM支持向量机模型与回归算法的优势,优化SVM模型中惩罚参数以及核函数的计算方法,提出了基于改进Logistic回归模型与SVM的分类算法,采用SVM支持向量机对样本数据进行处理,输出的结果作为样本特征项输入改进的Logistic回归模型中,以达到降低Logistic对预测样本的误判风险、提升分类的准确率的目的。与经典的算法进行比对实验发现,本文提出的算法可以有效的提升英语教学评价的客观性和准确率。

摘要： 针对铁路货运缺乏市场竞争力的问题,研究公铁竞争环境下铁路货运定价策略。首先搭建多种运输方式市场监测可视化平台,监测公路货运市场,分析公路货运量及运价随线路、季节、市场供需、运输成本等因素的变化趋势,并构建基于ARIMA模型和SVM模型的公路市场运价驱动预测模型,捕捉运价变化的时间序列特征以及市场因素对运价的影响,对公路货运周运价进行预测。在公路货运价格预测的基础上,根据预测结果,在公铁竞争的市场条件下,提出基于Logit模型的公铁竞争定价机制,通过求解得到铁路货运建议定价。研究对于铁路运输企业完善价格决策体系、提高铁路货运市场竞争力、降低社会物流成本具有重要的现实意义。

摘要： 随着经济和社会的快速发展,城市交通的拥堵问题日益严重,有效的短时交通量预测可减少盲目出警与控制警力成本。为此,本文采用ARIMA时间序列模型提取道路交通流量序列中线性特征,得到交通流序列预测残差。SVM模型能提取道路交通流量的残差序列非线性特征,对交通流预测残差进行修正。这两个模型组合能有效地提取时间序列全部特征,预测性能更佳。同时采用ARIMA-SVM组合模型对交通流量时间序列数据进行短时预测,其平均绝对误差和平均百分比误差分别为7.7%和12.7%,说明ARIMA-SVM组合模型预测效果较好。在ARIMA、SVM、ARIMA-SVM模型中,SVM模型预测性能最差,其平均绝对误差和平均百分比误差分别为28.2%和46.2%。

摘要： 随着信用债“暴雷”的频繁发生,信用债违约成为金融市场较为重要的课题。文章主要利用公司财务数据,采取两种机器学习模型预测公司债违约,并利用样本进行了实际测算以及对结果进行了对比,发现两种机器学习模型对于预测公司债信用违约都有较好的效果。其中,SVM模型的预测精度更高,logit模型则牺牲了一部分精度来预测出更多违约事件。应用层面上,logit模型更适合市场风险预警,而SVM模型更适用于提示监管机构采取一定措施。利用机器学习模型研究信用债违约,有助于推动我国信用风险评估市场化进程。

摘要： 针对现有英语题库题目依赖专业英语老师人工解析,缺乏智能化平台的问题,提出一种基于SVM的英语题库题目智能分类。首先将系统分为用户层、业务层、服务层、数据层、基础层,并重点设计英语题库题目分类功能。其中,构建SVM分类器,实现英语题库题目的分类。通过测试验证本系统算法的有效性和运行的可行性。结果表明,SVM分类器可实现英语题库题目的准确分类,分类准确率达到74%,优于传统分类算法KNN、Random Forest、Logistic Regression,且通过系统运行,实现了英语题库题目的分类需求,达到设计目的。

摘要： 结合机器学习的思想,研究一种基于SVM算法的车牌识别方案。通过图像形态学处理、边缘检测算法、结合车牌颜色及长宽比等特点进行精确车牌定位,并对倾斜的车牌进行矫正,然后采用基于垂直投影分析进行字符分割,最后利用训练好的SVM模型实现车牌中汉字、字母以及数字的识别。该方案基于OpenCV实现,经测试该方案对于车牌识别的正确率可达90%以上且具有较高的识别效率。

摘要： 为实现某农场生鲜农产品需求量的精准预测,文章基于Sharply值权重分配法构建ARIMA-SVM组合预测模型,并采用误差分析等方式证明预测方法的可行性、有效性。结果表明:Sharply值组合预测模型克服了ARIMA模型与SVM模型在局部区间内预测精度欠佳的弊端,能够应用于生鲜农产品需求量完整性、可靠性的需求量预测;组合模型的预测结果可以为农场生鲜农产品产销提供理论指导。

摘要： 随着中国经济的快速发展,房地产市场也迅速发展,国民经济地位越来越重要。房地产产业的循环变动与国家的宏观经济变动密切相关,因此开发动向的激烈变动和过热对国民经济产生恶劣影响。在这一点上,建立房地产行业风险预警模式具有理论性和实用性的重要性。根据相关文献的调查,总结了现有的国内预警理论,比较了几个早期预警模型,选择支持向量机作为房地产风险预警模型,利用青岛房地产市场的数据进行了应用研究。首先,基于对影响房地产循环波动的因素的分析,确定房地产发展相关指标的五个类别,建立房地产风险预警指数制度。阐述了SVM模型的概念,提出了基于SVM的房地产风险预警模型的建立过程。

摘要： 冠层温度以及土温、水温会对作物生长发育产生一定影响,在作物的各项生理中起到重要作用。为了建立水稻5 cm土温(简称土温)和水温以及30、60、90 cm冠层温度模拟模型,于2019年水稻生长季在南京信息工程大学展开水稻大田分播期试验,选用环境温度、风速以及株高、叶面积指数等水稻表型参数,区分晴天、多云、雨天不同天气条件,利用线性回归模型、反向传播(BP)神经网络模型、支持向量机(SVM)模型等方法对稻田各层温度进行模拟。结果显示,线性回归模型和BP神经网络模型对各层温度模拟的误差较大。SVM模型对各层温度模拟的最为准确,晴天90 cm冠层温度模拟的误差最大,绝对误差为1.29°C,多云天气土温模拟误差最小,绝对误差为0.09°C。SVM模型在不同天气条件下对各层温度模拟的误差都较小,模型适用性较好。

摘要： 为精准估算草地地下生物量,分析其水平及垂直空间格局,实现草地地下生物量(BGB)的数字制图。调查了2015年阿勒泰地区草地生长季节(6-8月)的生态要素和地下生物量。以地理位置、地形、气候、土壤和植被中的代表性信息为基础,基于机器学习算法估测研究区0~30 cm的草地地下生物量,并根据估测结果利用空间插值法得到地下生物量的空间分布格局,最终实现草地地下生物量的数字制图。结果表明:1)相比偏最小二乘回归(PLS)和随机森林模型(RF),支持向量机模型(SVM)在0~10 cm、10~20 cm和20~30 cm土层地下生物量的估测中表现出最高的精度,验证集数据的精度(R2)依次为0.77、0.67和0.69,相应的RMSE为245.56、98.81和63.58 g·m^(-2)。从空间插值的效果看,反距离权重插值(IDW)优于径向基函数插值(RBF)和张力样条插值(SPL)。2)进一步比较了不同估测模型与空间插值方法间的组合能力,结果显示,在阿勒泰地区的草地地下生物量研究中,SVM+IDW是可靠的估测模型和空间化方法的组合。在0~10 cm、10~20 cm和20~30 cm土层的草地地下生物量数字制图的R2为0.73、0.64和0.60,RMSE为269.73、10^(8).14和73.01 g·m^(-2)。3)阿勒泰地区草地地下生物量均值为1265 g·m^(-2),是全国平均值的两倍,与全球平均水平相当。其中,高寒草甸的地下生物量最大,为2908.50 g·m^(-2),温性荒漠的地下生物量最小,为776.84 g·m^(-2),全区草地地下生物量共计1.27×10^(8) t(≈0.13 Pg)。全区草地地下生物量的空间变化明显,整体上自北向南,由山地向平原呈递减的趋势。

摘要： 目前铁路设备种类多、数量广、价值高,能够监测设备运行状态,及时发现并处理故障设备,是提高铁路信息化管理的重要手段.由于铁路设备故障重要程度不同,针对设备故障处理优先级排序问题,提出了一种基于SVM模型的设备故障优先级评价方法.针对铁路设备故障特性,建立了铁路设备故障评价指标体系.仿真结果证明SVM模型具有良好的拟合效果,能够为铁路设备故障处理优先级提供有效决策依据.

摘要： 目前铁路设备种类多、数量广、价值高,能够监测设备运行状态,及时发现并处理故障设备,是提高铁路信息化管理的重要手段.由于铁路设备故障重要程度不同,针对设备故障处理优先级排序问题,提出了一种基于SVM模型的设备故障优先级评价方法.针对铁路设备故障特性,建立了铁路设备故障评价指标体系.仿真结果证明SVM模型具有良好的拟合效果,能够为铁路设备故障处理优先级提供有效决策依据.

摘要： 目前铁路设备种类多、数量广、价值高,能够监测设备运行状态,及时发现并处理故障设备,是提高铁路信息化管理的重要手段.由于铁路设备故障重要程度不同,针对设备故障处理优先级排序问题,提出了一种基于SVM模型的设备故障优先级评价方法.针对铁路设备故障特性,建立了铁路设备故障评价指标体系.仿真结果证明SVM模型具有良好的拟合效果,能够为铁路设备故障处理优先级提供有效决策依据.

摘要： 目前铁路设备种类多、数量广、价值高,能够监测设备运行状态,及时发现并处理故障设备,是提高铁路信息化管理的重要手段.由于铁路设备故障重要程度不同,针对设备故障处理优先级排序问题,提出了一种基于SVM模型的设备故障优先级评价方法.针对铁路设备故障特性,建立了铁路设备故障评价指标体系.仿真结果证明SVM模型具有良好的拟合效果,能够为铁路设备故障处理优先级提供有效决策依据.

摘要： 目前铁路设备种类多、数量广、价值高,能够监测设备运行状态,及时发现并处理故障设备,是提高铁路信息化管理的重要手段.由于铁路设备故障重要程度不同,针对设备故障处理优先级排序问题,提出了一种基于SVM模型的设备故障优先级评价方法.针对铁路设备故障特性,建立了铁路设备故障评价指标体系.仿真结果证明SVM模型具有良好的拟合效果,能够为铁路设备故障处理优先级提供有效决策依据.

摘要： 精确的产品可靠性预测模型不仅要能够学习和跟踪产品的可靠性和工作性能，还要能为管理者采取后续措施改善产品质量和成本提供有用的信息。该文提出了一种预测可修复系统可靠性的新方法，采用支持向量机(SVM)建模方法构建了一个预测模型，遗传算法被用来寻找SVM的最优参数，采用寻得的最优参数构建SVM模型。以惯性器件为案例来验证提出的方法，新方法的预测精确度与其他方法进行了对比，验证了提出方法的可行性和有效性。

摘要： 精确的产品可靠性预测模型不仅要能够学习和跟踪产品的可靠性和工作性能，还要能为管理者采取后续措施改善产品质量和成本提供有用的信息。该文提出了一种预测可修复系统可靠性的新方法，采用支持向量机(SVM)建模方法构建了一个预测模型，遗传算法被用来寻找SVM的最优参数，采用寻得的最优参数构建SVM模型。以惯性器件为案例来验证提出的方法，新方法的预测精确度与其他方法进行了对比，验证了提出方法的可行性和有效性。

摘要： 精确的产品可靠性预测模型不仅要能够学习和跟踪产品的可靠性和工作性能，还要能为管理者采取后续措施改善产品质量和成本提供有用的信息。该文提出了一种预测可修复系统可靠性的新方法，采用支持向量机(SVM)建模方法构建了一个预测模型，遗传算法被用来寻找SVM的最优参数，采用寻得的最优参数构建SVM模型。以惯性器件为案例来验证提出的方法，新方法的预测精确度与其他方法进行了对比，验证了提出方法的可行性和有效性。

摘要： 精确的产品可靠性预测模型不仅要能够学习和跟踪产品的可靠性和工作性能，还要能为管理者采取后续措施改善产品质量和成本提供有用的信息。该文提出了一种预测可修复系统可靠性的新方法，采用支持向量机(SVM)建模方法构建了一个预测模型，遗传算法被用来寻找SVM的最优参数，采用寻得的最优参数构建SVM模型。以惯性器件为案例来验证提出的方法，新方法的预测精确度与其他方法进行了对比，验证了提出方法的可行性和有效性。

摘要： 精确的产品可靠性预测模型不仅要能够学习和跟踪产品的可靠性和工作性能，还要能为管理者采取后续措施改善产品质量和成本提供有用的信息。该文提出了一种预测可修复系统可靠性的新方法，采用支持向量机(SVM)建模方法构建了一个预测模型，遗传算法被用来寻找SVM的最优参数，采用寻得的最优参数构建SVM模型。以惯性器件为案例来验证提出的方法，新方法的预测精确度与其他方法进行了对比，验证了提出方法的可行性和有效性。

摘要： 本发明公开了HMM‑SVM跌倒模型的构建方法及基于该模型的跌倒检测方法。所述构建方法包括：对训练集中的至少两个方向跌倒的数据集进行特征组合提取并串接成观察值序列；所述训练集由至少两个方向跌倒及至少两类日常活动的数据组成；利用所述观察值序列，训练出所有所述方向跌倒的HMM模型；对训练集中的日常活动的数据集进行特征组合提取，串接成观测值序列，并结合所述观察值序列，共同放入所述HMM模型，获得训练集的输出概率向量；对训练集的输出概率向量作归一化处理，训练出SVM模型。

摘要： 本发明公开了HMM‑SVM跌倒模型的构建方法及基于该模型的跌倒检测方法。所述构建方法包括：对训练集中的至少两个方向跌倒的数据集进行特征组合提取并串接成观察值序列；所述训练集由至少两个方向跌倒及至少两类日常活动的数据组成；利用所述观察值序列，训练出所有所述方向跌倒的HMM模型；对训练集中的日常活动的数据集进行特征组合提取，串接成观测值序列，并结合所述观察值序列，共同放入所述HMM模型，获得训练集的输出概率向量；对训练集的输出概率向量作归一化处理，训练出SVM模型。

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： 本发明公开了一种基于RF‑GA‑SVM模型的压浆密实度识别方法，包括：获取未知压浆密实度的预应力孔道的数据；对接收的数据进行特征提取以及根据RF进行筛选出得到与未知压浆密实度的预应力孔道对应的特征数据；根据所述特征数据和训练合格的GA‑SVM模型得到所述预应力孔道对应的压浆密实度。本发明还公开一种基于RF‑GA‑SVM模型的压浆密实度识别系统及存储介质。本发明旨在实现快速的、智能的对未知预应力孔道的压浆密实度进行识别。

摘要： 本发明公开了一种基于SVM模型的坐姿监测方法，所述方法包括：利用压力传感器获取用户坐姿数据；对所述坐姿数据进行预处理；对预处理过的数据进行特征提取建立训练数据集，结合机器学习中SVM分类算法建立坐姿模型；将新采集的坐姿数据传入坐姿模型中得到坐姿分类结果，根据监测到的不良坐姿持续时间超过预设的时间阈值时对用户发出提醒信号，对用户坐姿进行纠正。本发明应用前景广泛，能有效预防腰椎病、颈椎病、近视等身体疾病，具有重要的社会效益。

摘要： 本发明公开了一种基于灰度图像和轻量级CNN‑SVM模型的电机故障检测方法及系统，涉及电机故障诊断领域和深度学习领域，方法包括以下步骤：获取待测试电机的时序信号；基于经验模态分解将时序信号分解为一系列本征模态函数；采用K‑L散度法衡量各个本征模态函数与原始信号的相似性，筛选包含故障信息的敏感分量；基于格拉姆角场法和图像压缩技术，将敏感分量编码为灰度图像，作为样本集；建立基于改进平衡优化器算法优化的新型轻量级CNN‑SVM电机故障检测模型，输入图像样本至CNN‑SVM模型，输出待测试电机的故障诊断结果。本发明将图像处理技术以及深度学习技术和电机的故障检测相融合，能够自适应地逐层提取原始信号中的深层规律，避免了复杂的人工特征提取，实现了端到端的电机大数据特征挖掘及智能化故障检测，有效提高了故障诊断算法的精确度。

摘要： 本发明提供一种基于AR模型特征和SVM分类的工作记忆提高实验方法及装置，可以判断不同条件下工作记忆的提高情况。方法包括以下步骤：获取待检测条件下的脑电信号；预处理所述脑电信号；将预处理后的脑电信号进行AR模型特征提取，获得脑电信号特征；将所述脑电信号特征输入SVM分类器，输出分类结果；所述分类结果表示该待检测条件下的工作记忆是否提高。实验结果表明，将AR模型特征与SVM分类相结合的方法对工作记忆提高与否的判别具有一定的有效性。

摘要： 本发明提出一种IGBT结温预测的方法。步骤如下：通过IGBT老化加速试验模拟IGBT老化进程，获取IGBT结温、饱和压降、集电极电流、老化次数等数据，并对数据进行归一化处理；设置改进旗鱼算法和支持向量机模型的参数；运行改进旗鱼算法，获得支持向量机模型中的最优惩罚因子和核函数的最优参数；将优化得到的最优参数带入到支持向量机模型中，并训练改进旗鱼算法优化的支持向量机(ISFO‑SVM)模型；将预测数据输入到ISFO‑SVM模型中得到预测结果，并对预测结果进行反归一化。结果表明，在RMSE、MAPE、R2性能指标下，ISFO‑SVM模型的预测性能更好，结温预测值与实际结温的拟合度更高，弥补了现有IGBT结温预测方法预测精度低的不足，实现了对IGBT结温的有效预测。

摘要： 本发明提出了联合SVM和HMM的导航场景感知通用模型构建方法，分别为基于结果层面融合的SVM‑HMM1构建方法以及基于概率层面融合的SVM‑HMM2构建方法。包括：联合SFFS特征选择与LDA特征降维算法建立导航场景感知特征指纹库；采用网格搜索发迭代训练SVM输出导航场景的分类结果与分类概率；引入HMM，实现对SVM识别结果进行平滑处理，提高场景识别的准确度，其中，采用SVM输出的分类结果与离散型HMM联合形成SVM‑HMM1模型，采用SVM输出的分类概率与连续型HMM联合形成SVM‑HMM2模型；针对构建完成的HMM模型，构建导航场景邻接矩阵，修正HMM不合理的状态转移参数，进一步提高模型的可靠性。本发明可实现快速、高精度导航场景感知，为多PNT传感器自适应配置，多场景无缝导航提供场景感知信息。

摘要： 本发明涉及一种基于自适应SVM模型的电能表运行状态预测方法及装置，其方法包括：获取多个电能表的运维数据，并从其中构建与智能电表故障相关的设备特征、统计特征和时序特征；基于训练完成的神经网络，根据时序特征计算不同周期下电能表的第一类异常概率；基于群体智能优化算法优化后的机器学习分类器，计算不同统计特征和设备特征下电能表的第二类异常概率；根据所述第一类异常概率和所述第二类异常概率，训练自适应SVM模型；利用训练完成的自适应SVM模型对待评估的电能表进行状态预测。本发明从多个维度提取电能表的故障特征，并利用训练完成的多个SVM模型自适应地预测电能表的状态，提高了预测的准确性和自适应性。