检索结果-内蒙古大学图书馆

作者：段崇雯国防科学技术大学

学位级别：硕士

支持向量机方法具有理论完善、结构简单、全局最优、推广能力强等优点,近几年来得到了广泛的应用和研究,并成为一种新兴的机器学习算法。本文在对统计学习理论、支持向量机的相关概念和算法进行系统介绍的基础上,深入进行了两个方面的... 详细信息

支持向量机方法具有理论完善、结构简单、全局最优、推广能力强等优点,近几年来得到了广泛的应用和研究,并成为一种新兴的机器学习算法。本文在对统计学习理论、支持向量机的相关概念和算法进行系统介绍的基础上,深入进行了两个方面的研究。模型参数选择问题关系到支持向量机性能的优劣,而现有的最优参数搜索算法或者复杂,或者低效。为了克服这一缺陷,设计了一种缩减训练样本集的策略,从训练集合中去除了部分与确定分类超平面无关的样本点,而保留了起决定作用的样本,即所谓支持向量,然后在这个样本集合上进行最优参数搜索,相比于对原样本集进行参数搜索得到的模型,新模型仍然保持了相当的推广能力。统计学习理论和核方法在支持向量机算法中的成功应用,促进了核函数理论研究与发展。为了深入发掘特征映射的内在特性,本文对相应的核函数进行深入研究。首先对线性核函数、Gaussian核函数等已经用于广泛实践的核函数的性能给出了简要评述,然后重点构造了一类新的核函数。由于SVM核函数是某个再生核Hilbert空间(RKHS)的再生核,据此引入一类Mercer核函数,找到它对应的RKHS;然后结合多分辨分析的思想,构造一种特殊的Mercer核函数,即多尺度核函数(multiscale kernel,MSK),并给出其正定的条件,讨论了以MSK为核函数的SVM的性能随各个参数的变化趋势;最后设计出相应的分类SVM算法。实验结果显示,多尺度核函数SVM对新样本的分类能力略优于Gaussian核SVM。

关键词：支持向量机样本集缩减再生核Hilbert空间自生空间多尺度核函数

来源：评论

学校读者我要写书评

暂无评论

基于多尺度核函数的散乱点云数据过滤方法

引用

计算机应用研究 2010年第11期27卷 4348-4349,4352页

作者：刘光帅李柏林何朝明西南交通大学机械学院成都610031

针对光滑曲面采样散乱点云含有噪声及异常数据的问题,提出了一种基于多尺度核函数的过滤处理方法。采用核密度估计技术及均值漂移跟踪算法对原始点云数据进行聚类,结合局部似然函数来测度一个三维点位于采样曲面上的概率,利用过滤后的... 详细信息

针对光滑曲面采样散乱点云含有噪声及异常数据的问题,提出了一种基于多尺度核函数的过滤处理方法。采用核密度估计技术及均值漂移跟踪算法对原始点云数据进行聚类,结合局部似然函数来测度一个三维点位于采样曲面上的概率,利用过滤后的极大似然点集精确地逼近采样曲面,最后结合经典网格化算法能够获得较好的曲面重构效果。处理实例证明,该方法实用性好,不仅能够很好地抑制不同幅值的噪声,同时也能够探测到异常数据并进行自动清除。

关键词：散乱点云数据多尺度核函数均值漂移跟踪算法似然估计噪声异常数据过滤

来源：评论

学校读者我要写书评

暂无评论

基于有序聚类和MSKPCA的室内定位算法

引用

计算机工程与设计 2021年第4期42卷 963-968页

作者：马跃欣冯秀芳太原理工大学信息与计算机学院山西晋中030600 太原理工大学软件学院山西晋中030600

针对指纹室内定位算法中环境动态变化对Wi-Fi信号的干扰和定位实时性较差的问题,提出一种基于有序聚类和多尺度核主成分分析的Wi-Fi指纹室内定位算法。离线阶段采用参考点可检测接入点序列的最长公共子序列衡量相似度,通过有序聚类划分... 详细信息

针对指纹室内定位算法中环境动态变化对Wi-Fi信号的干扰和定位实时性较差的问题,提出一种基于有序聚类和多尺度核主成分分析的Wi-Fi指纹室内定位算法。离线阶段采用参考点可检测接入点序列的最长公共子序列衡量相似度,通过有序聚类划分子区域。在线阶段先进行粗定位,选择最优尺度的核主成分分析模型处理子区域指纹数据,使用朴素贝叶斯加权K近邻算法预测目标节点位置。实验结果表明,该算法可有效提升定位精度,86.7%的定位误差在1.2 m以内。

关键词：指纹室内定位最长公共子序列有序聚类多尺度核函数核主成分分析

来源：评论

学校读者我要写书评

暂无评论

SVR模型及其用于经济数据预测的研究

SVR模型及其用于经济数据预测的研究

引用

作者：袁秀芳西华师范大学

学位级别：硕士

支持向量机(Support Vector Machines,SVM)是在统计学理论基础上发展起来的一种新的、非常有效的机器学习方法。它最早被Vapnik教授在20世纪90年代提出,近年不管是理论研究、算法实现还是应用方面都取得了突飞猛进的发展。特别是在应用... 详细信息

支持向量机(Support Vector Machines,SVM)是在统计学理论基础上发展起来的一种新的、非常有效的机器学习方法。它最早被Vapnik教授在20世纪90年代提出,近年不管是理论研究、算法实现还是应用方面都取得了突飞猛进的发展。特别是在应用方面,SVM被广泛应用,解决了许多实际应用问题。SVM分为支持向量回归机(Support Vector Regression,SVR)和支持向量分类机(Support Vector Classification,SVC),SVR具有很好的预测能力,且其预测模型推广能力很强,即使在较长区间内预测仍然具有较高的精度。因此,被广泛用于各种实际问题的预测。但在经济数据预测方面,SVR的应用还比较鲜见,因此本文将主要研究应用SVR对电力消费、商品房价格和股票价格这3种经济数据进行回归预测。本文主要在以下方面进行研究和探讨:(1)对电力消费建立基于SVR模型的多变量和双变量预测模型并比较之,得出前者比后者的预测更加准确。对商品房价格建立基于SVR模型和自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA),得出SVR模型优于ARIMA的结论。(2)针对股票市场高度非线性的特点,单一预测模型很难描述出股票价格趋势的整体特征,提出了一种ARIMA-SVR的组合预测模型。首先采用二进正交小波的Mallat算法对股票收盘价数据进行小波分解和重构,得到了低频信息和高频信息;然后对高频信息建立ARIMA模型,以及对低频信息建立SVR模型,应用ARIMA模型和SVR模型进行训练和预测;最后对分析结果进行整合,得出组合模型的预测结果。实验表明,ARIMA-SVR模型优于单一SVR模型。(3)将小波分析和核函数的知识结合起来,构造多尺度小波核作为SVR的核函数。首先通过Morlet小波和多尺度核函数构造出多尺度小波(MWK)的核函数表达式;然后采用核函数,利用SVR模型对股票收盘价进行了预测。实验表明,多尺度核函数模型优于单一SVR模型。

关键词：支持向量机支持向量回归机电力消费商品房价格股票价格 ARIMA-SVR模型小波分析多尺度核函数

来源：评论

学校读者我要写书评

暂无评论

深度极限学习机及其应用研究

深度极限学习机及其应用研究

引用

作者：牛春彦河北工业大学

学位级别：硕士

极限学习机(ELM)作为一种简单易行且有效的单隐层前馈神经网络,只需设置网络的隐含层节点个数,随机选取输入参数,就可以产生唯一的最优解,具有学习速度快且泛化性能好的优点,并备受关注。然而当数据维度高且混入大量的噪声变量时,ELM不... 详细信息

极限学习机(ELM)作为一种简单易行且有效的单隐层前馈神经网络,只需设置网络的隐含层节点个数,随机选取输入参数,就可以产生唯一的最优解,具有学习速度快且泛化性能好的优点,并备受关注。然而当数据维度高且混入大量的噪声变量时,ELM不能达到理想的效果。因此,深度极限学习机(D-ELM)结合深度学习优点对隐含层进行扩充以弥补其不足。为进一步提高深度极限学习机的性能,本文融合多核学习和进化计算方法,提出一类深度多核极限学习机模型,即构造多核函数学习机,再采用进化计算进行模型参数优化,并将该模型应用于测井气层识别中。本论文的主要研究工作及创新如下:(1)深度多核极限学习机研究。将多核学习方法和深度极限学习机相结合,提出一种深度多核极限学习机(D-MKELM),即利用极限学习机自编码器对输入数据进行逐层的特征提取,然后把最后一层得到的特征数据通过多核函数来实现高维空间的映射分类,这样不仅提高了分类精度和泛化性能,还能解决高维数据的问题。另外,利用多尺度核函数灵活性好且具有完备的尺度选择的优势,将其作为深度多核极限学习机的多核函数。经UCI数据库中七种数据集实验验证,结果表明所提出的深度多核极限学习机具有很高的分类精度。(2)花朵授粉算法改进。花朵授粉算法(FPA)是一种性能较好的进化计算方法,但是存在易陷入局部最优且收敛速度较慢的缺点。为此,在FPA基础上引入量子系统和云模型,得出一种云量子花朵授粉算法(CQFPA),使得花朵个体的全局搜索能力得到提高,加快种群收敛到最优位置。经过经典测试函数实验验证,结果表明CQFPA优化效果显著,优于常用进化计算方法。(3)基于花朵授粉算法的深度多核极限学习机参数优化研究。在深度多核极限学习机中,正则化因子、核参数以及神经元个数等参数都影响其分类精度以及泛化性能,为此采用CQFPA对深度多核极限学习机所有参数进行优化选取,即先构造适应度函数,然后采用CQFPA进行优化求解。经过UCI数据测试,结果表明基于CQFPA的深度多核极限学习机在处理多分类以及复杂的大数据上均优于常用分类算法。(4)测井气层识别应用研究。为解决石油测井气层识别精度低的问题,设计了一个基于深度多核极限学习机的气层识别系统,包括测井数据预处理、识别模型建立和气层识别等过程。通过某油田的实际测井数据测试,结果表明所设计的深度多核极限学习机识别系统的识别准确率高达97.03%,相比于其它算法,其识别准确率得到明显提升。此外,CQFPA-D-MKELM随着测试次数的增加,其测试准确率的波动幅度最小,系统稳定性最高,而且其综合评价诊断实验价值的ROC曲线下面积(AUC)达到0.9071,在气层识别中效果显著,这为气层识别提供了一种有效途径。

关键词：极限学习机深度学习多核学习多尺度核函数花朵授粉算法

来源：评论

学校读者我要写书评

暂无评论

小波支持向量机在交通流预测中的应用研究

小波支持向量机在交通流预测中的应用研究

引用

作者：方宇大连理工大学

学位级别：硕士

智能交通系统是一个时变、随机和复杂的系统,其显著特点是具有高度的不确定性,这种不确定性给交通流预测带来了很大困难。近年来,Vapnik等人提出基于统计学习理论框架下的支持向量机模型是一种较好的交通流预测方法。核函数的选择作为... 详细信息

智能交通系统是一个时变、随机和复杂的系统,其显著特点是具有高度的不确定性,这种不确定性给交通流预测带来了很大困难。近年来,Vapnik等人提出基于统计学习理论框架下的支持向量机模型是一种较好的交通流预测方法。核函数的选择作为支持向量机算法的关键步骤,对整个算法性能的提高起着重要作用。针对这一研究热点,大量学者展开了深入的讨论,但至今还没有得到行之有效的理论原则或通用方法。本文的主要工作就是构造一种适合交通流预测的核函数,提升支持向量机理论在交通流预测中的性能。论文首先从目前最为常用的RBF (Radial basic function)核函数入手,通过理论和实验分析,找到RBF核函数在交通流预测应用中存在的不足,包括信息丢失、过长的训练和预测时间以及对边界处信号和多尺度信号预测精度不高等。然后,针对RBF核函数存在的这些瓶颈,引入小波理论加以优化,由于基于小波理论构造的核函数可以逼近平方可积空间L2(R),具有局部化、多层次、多分辨的优点,同时可以进行多尺度分析,能够改进RBF核函数在交通流预测应用中的不足。论文还根据Mercer点积子波核定理和平移不变核定理构造了小波核函数,同时针对交通流数据具有混沌、分形、不规则等非线性特征,选择了Bubble小波作为小波核函数的母波。之后根据小波理论可用于多分辨分析的特点,又将Bubble小波核函数扩展为多尺度小波核函数,并且设计了精度提高判别法用于尺度选择。最后结合美国洛杉矶高速、公路真实数据进行仿真试验,结果表明Bubble小波核函数和多尺度小波核函数可以有效地改善交通流量的预测精度,并能够随交通流的动态变化实现支持向量机算法模型的自适应,进而满足对交通流数据实时预测的需求。

关键词：交通流预测支持向量机核函数 Bubble小波多尺度核函数

来源：评论

学校读者我要写书评

暂无评论

支持向量机中Mercer核函数的构造研究

引用

兵工自动化 2008年第11期27卷 40-42页

作者：孙凯王颖龙空军工程大学导弹学院陕西三原713800

核函数的构造是支持向量机中的一个重要的问题,它直接影响模型的推广能力。在核匹配追踪学习机的基础上,提出子波核函数和多尺度核函数,利用多分辨分析可逼近平方可积空间L2(R)的性质,弥补传统核函数在逼近性能方面的不足,并通过实例证... 详细信息

核函数的构造是支持向量机中的一个重要的问题,它直接影响模型的推广能力。在核匹配追踪学习机的基础上,提出子波核函数和多尺度核函数,利用多分辨分析可逼近平方可积空间L2(R)的性质,弥补传统核函数在逼近性能方面的不足,并通过实例证明其有效性。

关键词：支持向量机核匹配追踪学习机子波核函数多尺度核函数

来源：评论

学校读者我要写书评

暂无评论

一种深层过程神经网络及其在信号分类中的应用

引用

软件导刊 2020年第3期19卷 60-64页

作者：刘晓宇武鲁许少华山东科技大学计算机科学与工程学院山东青岛266590 山东省计算中心山东济南250014

针对时变信号小样本集建模分类问题,提出一种深层多尺度径向基过程神经网络(DLMS-RBFPNN)。该模型由时变信号输入层、多尺度径向基核变换层、全连接层和感知机分类器构成。兼顾时变信号的频谱特征和分布形态的多样性,基于径向基过程神... 详细信息

针对时变信号小样本集建模分类问题,提出一种深层多尺度径向基过程神经网络(DLMS-RBFPNN)。该模型由时变信号输入层、多尺度径向基核变换层、全连接层和感知机分类器构成。兼顾时变信号的频谱特征和分布形态的多样性,基于径向基过程神经网络,通过将不同宽度参数的Gauss核函数进行线性叠加,构成多尺度核,完成不同尺度上对过程信号形态特征的提取、辨识和相似性度量。通过在径向基核函数层之上叠加全连接层和分类器,实现时变信号不同尺度特征的融合和分类。DLMS-RBFPNN具有较少的模型参数,适用于小样本集建模,在机制上可提高对时变信号过程细节特征和趋势特征的辨识及记忆能力。在分析DLMS-RBFPNN性质的基础上,建立一种基于动态聚类算法的核中心函数确定方法以及基于PSO的模型参数优化求解算法。以旋转机械基于示功图信号的故障诊断为例进行实验,结果验证了模型和算法的有效性。

关键词：动态模式识别多尺度核函数径向基过程神经网络深层结构优化算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：