简介：支持向量机(SVM)是一类新型机器学习方法,其理论基础是统计学习理论,由于其出色的学习性能而成为当前国际机器学习领域的研究热点.该文首先阐述统计学习的核心内容,然后对SVM及其应用进行研究,最后讨论了SVM的局限和有待研究的问题.

简介：

简介：在不均衡数据集下,SVM分类超平面的偏移,使得基于KKT条件进行样本选择的增量学习算法性能不佳,针对该问题,提出动态代价的SVM增量学习算法,该算法依据各类样本密度之间的关系动态计算类的错分代价,减少每次迭代中分类超平面偏移造成的错误累积,保证依据KKT条件选取样本的准确性,使得每次迭代选取的样本都包含当前分类器缺少的空间信息,提高最终分类器在不均衡数据集下的分类性能.最后,在UCI数据集上的仿真实验结果表明该算法能够提高不均衡数据下的分类性能.

简介：针对智能监控中行人行为难于识别的问题,提出了一种基于改进支持向量机的行人行为分类的解决方法.针对背景建模和前景提取精确度的难题,把视频中有活动的部分表示成一组时空兴趣点;针对行动方式具有无固定方式和模糊特点的问题,先采用模糊聚类求每类行为样本聚类中心,再加入决策树思想,构建一种支持向量机决策树多值分离器进行行为分类.在国际上通用行为KTH数据库进行了实验,获得较高的识别率.

简介：针对人脸检测中的非线性和降维问题提出了一种有效的人脸检测方法.首先基于人脸的肤色和几何特征,通过局部自适应门限方法提取图象边缘,用几何规则和颜色特征筛选出候选眼睛块.然后采用改进的四边界sobel算子对眼睛精确定位.最后使用训练好的支撑向量机来验证.该方法可以实现多尺度多角度的彩色图像中的正面人脸检测,实验结果令人满意.

简介：摘要：本文通过对以“支持向量机”为主题，以“教育”为篇关摘的199篇中文核心期刊和CSSCI期刊进行研究分析，通过运用CiteSpace软件从支持向量机的研究热点进行可视化分析，发现目前我国对于支持向量机在教育数据挖掘方面的研究可以概括为四个方面：模式识别、图像处理、学生行为研究和分类算法研究。通过分析支持向量机应用于教育数据挖掘的不同效果，从而论证了支持向量机推广能力高，应用范围广等优点。然而，鉴于当前样本数据的复杂性不断增加，以及各种新的分类和识别方法的出现，仍然需要探索和改进参考向量机方法。

简介：支持向量机（supportvectormachine，SVM）是在统计学习理论的基础上发展起来的一种新的机器学习方法，是数据挖掘的一项新技术：支持向量分类机（SVC）应用于解决各种实际分类问题，表现出很多优于已有方法的性能．经调查，临毕业大学生做出的毕业方向选择会由其自身一些因素影响，可以根据这些指标来预测其最终选择．对大学生这些自身因素及毕业选择建立支持向量机分类模型进行研究．结果表明，支持向量机分类方法可以做出较好的分类，为预测高校临毕业学生选择提供了一种有效的方法．

简介：电子邮件已经成为当今人们最重要的通信方式之一。但随之而来的电子邮件骚扰、诈骗等现象日益严重,对邮件作者的识别有助于营造绿色、安全的电子邮件通信环境。文章首先提出向量空间模型针对电子邮件作者的写作风格提取特征向量,然后运用支持向量机算法构造作者风格分类器,从而构造出作者身份识别模型。最后,实验结果显示识别准确率达到95%以上,该方法在识别中文电子邮件作者身份上具有较高的可靠性。

简介：为了解决当前工业仪表示数在采图环境恶劣和样本数据量大的情况下所导致的算法识别不准确的问题,分别从特征学习与机器学习识别的角度出发,提出了基于特征学习与支持向量机的工业仪表状态识别算法。首先,提取仪表图像区域字符的几何特征和颜色特征,对这些提取出的特征进行归一化处理,设计出特征提取分析算子,达到精准提取有用特征数据的目的。然后,基于支持向量机,计算出分类器的最优平面和约束条件,从而建立仪表识别算子,进一步精确识别仪表示数。最后,基于软件开发环境QT实现算法,并系统集成。实验测试结果显示：与当前仪表识别技术相比,此算法拥有更高的准确性与稳定性,能够准确地根据仪表数字识别出电压,从而确定仪表工作状态是否正常。

简介：可靠的语音端点检测算法是稳健语音识别系统所必须的。针对现有算法在噪声环境下的稳健性问题，提出了基于单类SVM（supportVecforMachine）的端点检测算法。通过对多特征信息进行在线学习与综合，以及采用双层决策机制，有效提高了语音检测的稳健性。实验表明，算法在多种噪声环境和信噪比条件下有效，明显提高了语音识别系统在噪声环境下的识别率。

简介：在统计学习理论框架下产生的支持向量机这一新的通用机器学习方法,能较好地解决小样本、非线性、高维数和局部极小点等实际问题,已成为机器学习界的研究热点之一.文章归纳了支持向量机在电力系统故障诊断、暂稳分类、负荷预测、谐波分析等方面的应用现状,并提出了可能进一步应用的方面.

简介：客户满意度是客户关系管理的重要内容，对其研究能帮助企业把有限的资源集中到客户最看重的特性方面。针对移动通讯客户满意度问题，建立了模糊加权支持向量机模型。通过对量化后的总体满意度和各项指标数据进行训练，获得二者之间的关系。用最优隶属度函数客观地反映出客户的满意程度大小，并且对指标的敏感系数和贡献程度进行分析。

简介：相较于传统的汽车故障诊断，汽车故障预测通过对汽车运行状态数据的分析，实现对汽车未来发生故障的可能性和故障类型进行预测和分析，充分保证汽车行驶的安全。通过对汽车故障类型和特点的深入研究，在已有的故障预测技术的基础上，设计了一种数据驱动的故障预测推理系统。该系统利用支持向量机完成对汽车不同类型故障的分类，结合贝叶斯推理网络，实现对当前汽车状态的综合分析，得出汽车在未来发生不同类型故障的概率，进而完成对汽车故障的预测。最后，编写软件实现汽车故障预测系统。

简介：为了提高交通需求预测精度,综合考虑居民出行行为在时间维度上的分布,采用支持向量机、径向基神经网络和多项logit三种方法,基于居民活动目的,建立了出行链模式识别模型,并利用敏感性分析方法研究了解释因素对出行链模式选择的影响和对模型性能的贡献程度.结果显示：支持向量机模型在总体准确度和分类准确度上均优于其他2种方法,体现了支持向量机在小样本下的识别性能优势;证明了支持向量机能够较准确地反映多分类因素对于出行链模式选择行为的影响程度;因素对于不同出行链模式识别精度的贡献度差异表明了细化出行链模式及探索各个模式特有影响因素的重要性.支持向量机技术在交通需求预测建模及影响因素分析方面均具有实践意义.

简介：针对传统的单核SVM已经无法满足多个不同数据源的复杂问题，提出了支持向量机多核学习的改进方法。多核支持向量机的学习能力、泛化能力、决策能力在很大程度上取决于参数的选择以及多核权值系数的优化。对此，本文使用遗传算法对多核权值系数寻优，设计多核支持向量机故障诊断系统，此系统在某型飞机的垂直陀螺故障诊断中进行了验证，验证分别利用单核支持向量机和多核支持向量机分类精度对比，结果表明遗传算法寻优得到的权值系数使多核支持向量机分类精度明显提高。

简介：草原生态保护建设关系全面建设小康社会奋斗目标的实现,而草原保护红线又是草原生态保护建设最基本的有效途径。从介绍内蒙古草原三大生态功能和＂一线三区＂入手,选取内蒙古三个典型草原区域的数据作为训练样本,经过一系列的数据预处理和以支持向量机为主要方法预测出三个草原核心保护功能区的分布结果。结果证明从国家文件理论指导到运用支持向量机方法实际操作后可以取得理想的效果,但是还有待基于这三个典型草原研究结果推广至全内蒙古。

简介：在实际生产过程中，数控机床由于热误差导致了相关零部件加工精度的降低。为了保证零部件的加工精度，以在线最小二乘支持向量机为基础对数控机床热误差进行建模。该方法在实际的运用过程中，可以减少甚至消除机床热误差带来的消极影响，使数控机床的加工精度处于比较稳定的水平。

简介：分析了教育评估问题及现有方法，提出了基于支持向量回归的教育评估方法。首先，介绍了支持向量回归算法。其次，探讨了基于支持向量回归的教育评估原理。最后，以学位授权点合格评估为例进行了模拟评估。

简介：盾构速调地质变形预测对于提高盾构隧道施工可靠性，提高盾构隧道施工的现代化水平具有非常关键的作用，因此，可将基于粒子群算法优化的模糊支持向量机应用于盾构隧道地质变形的预测中。本文首先分析了盾构隧道地质变形计算的理论模型；然后研究了模糊支持向量机的基本理论；接着讨论了粒子群算法，并且设计了相应的算法流程；最后进行盾构隧道地质变形预测的仿真分析。仿真结果表明，基于粒子群算法优化的模糊支持向量机能够提高盾构隧道地质变形的预测精度。

简介：预测问题一直是科学与管理领域研究的热点．备受广大科技工作者的关注。为了解决单一预测模型在预测问题上的缺点和误差控制问题．本文提出一种组合预测模型——以误差绝对值和达到最小为准则的线性组合预测模型。这种模型以误差绝对值和达到最小为依据，计算出每个单一模型在预测结果中所占的权重。建立组合预测模型。该组合预测模型较好的利用了神经网络与支持向量机在多影响因子下训练的优势．进一步提高预测精度。将其应用于合肥市房地产价格预测．可以达到理想效果。