检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于小波理论的支持向量机瓦斯涌出量的预测

煤炭学报 2011年第S1期36卷 104-107页

作者：邵良杉张宇辽宁工程技术大学系统工程研究所

将小波框架理论引入到支持向量机预测函数中,建立了基于小波理论的支持向量机预测模型。该模型通过小波变换将输入向量映射到一个高维特征空间,在这个特征空间内,利用支持向量机进行预测。经实验表明该模型预测的结果比较准确,在时间复... 详细信息

将小波框架理论引入到支持向量机预测函数中,建立了基于小波理论的支持向量机预测模型。该模型通过小波变换将输入向量映射到一个高维特征空间,在这个特征空间内,利用支持向量机进行预测。经实验表明该模型预测的结果比较准确,在时间复杂度上和预测精度上要优于以往的预测模型,能够达到指导实践的要求。

关键词：小波框架理论支持向量机瓦斯涌出预测小波核函数

基于混沌粒子群优化小波支持向量机的汇率预测

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2012年第11期20卷 2660-2664页

作者：廖淑娇冯晓霞刘家彬漳州师范学院数学与信息科学系漳州363000 四川民族学院计算机科学系康定626001

目前,支持向量机(SVM)常用的参数寻优方法存在易陷入局部极值的缺点,而其常用的核函数的逼近精度也有待提高。基于混沌映射的遍历性与随机性和小波变换的局部分析与特征提取能力,提出了一种混沌粒子群优化小波支持向量机(CPSO-WSVM)的算... 详细信息

目前,支持向量机(SVM)常用的参数寻优方法存在易陷入局部极值的缺点,而其常用的核函数的逼近精度也有待提高。基于混沌映射的遍历性与随机性和小波变换的局部分析与特征提取能力,提出了一种混沌粒子群优化小波支持向量机(CPSO-WSVM)的算法,并应用它构建汇率预测模型。实验结果表明,相比传统的粒子群优化高斯核SVM(PSO-GSVM)的算法,CPSO-WSVM算法大大提高了预测的精度和效率,应用效果好。

关键词：混沌粒子群优化小波核函数支持向量机汇率预测

在线全文

学校读者我要写书评

暂无评论

基于RS和WSVM的网络入侵检测算法研究

计算机仿真 2011年第5期28卷 175-178页

作者：杨光巫春玲程远征西安邮电学院通信与信息工程学院陕西西安710121 长安大学电子与控制工程学院陕西西安710064

研究网络入侵检测问题,由于网络系统受到入侵攻击,危害网络安全。针对传统SVM检测能力有限,在高维数大规模的入侵检测样本下学习速度慢、资源消耗大的问题。为提高检测系统的精度及实时性,提出了一种将粗糙集(RS)和小波核支持向量机(WS... 详细信息

研究网络入侵检测问题,由于网络系统受到入侵攻击,危害网络安全。针对传统SVM检测能力有限,在高维数大规模的入侵检测样本下学习速度慢、资源消耗大的问题。为提高检测系统的精度及实时性,提出了一种将粗糙集(RS)和小波核支持向量机(WSVM)相结合的检测算法。使用粗糙集对训练样本进行属性约简及样本约简,降低样本维数及规模;用小波函数构造SVM的核函数以增强其推广能力,用约简后的样本训练WSVM,建立分类器模型,选用KDD Cup 99数据集进行仿真。结果表明,组合算法获得了较高的检测速度,降低了误报率,证明了算法的可行性,提高了入侵检测系统的性能。

关键词：入侵检测支持向量机小波核函数粗糙集

基于RKHS的小波核在化工软测量中的仿真研究

在线全文

学校读者我要写书评

暂无评论

化工自动化及仪表 2009年第1期36卷 14-17页

作者：刘春波王鲜芳范启亮潘丰江南大学通信与控制工程学院江苏无锡214122 河南科技学院信息工程学院河南新乡453003

由可分Hilbert空间与L2(R)的等价性,利用内积同构的线性算子,可以把L2(R)中子空间的小波尺度函数折算为Hilbert空间中子空间的小波尺度函数。基于支持向量机核函数的条件和小波多分辨率理论,在Hilbert空间构造出Morlet小波核函数。通过... 详细信息

由可分Hilbert空间与L2(R)的等价性,利用内积同构的线性算子,可以把L2(R)中子空间的小波尺度函数折算为Hilbert空间中子空间的小波尺度函数。基于支持向量机核函数的条件和小波多分辨率理论,在Hilbert空间构造出Morlet小波核函数。通过仿真实验,与传统的RBF核函数相比较,该尺度再生核函数具有更高的精度和更好的泛化能力,充分体现了支持向量机较好的推广性能。

关键词：多分辨率小波核函数支持向量机泛化能力再生核

在线全文

学校读者我要写书评

暂无评论

小波核极限学习机分类器

微电子学与计算机 2013年第10期30卷 73-76,80页

作者：王杰郭晨龙郑州大学电气工程学院河南郑州450001

分析了核极限学习机的原理,提出了一种小波核极限学习机,将小波函数做为极限学习机的核函数,证明了它是一种允许的极限学习机核.通过在双螺旋数据上的测试表明,小波核极限学习机在无训练数据分布的空间也具有分类能力,而高斯核极限学习... 详细信息

分析了核极限学习机的原理,提出了一种小波核极限学习机,将小波函数做为极限学习机的核函数,证明了它是一种允许的极限学习机核.通过在双螺旋数据上的测试表明,小波核极限学习机在无训练数据分布的空间也具有分类能力,而高斯核极限学习机在没有训练数据分布的空间不具备分类能力.通过在不同的UCI数据集中的测试得出小波核极限学习机具有较高的分类性能.最后将小波核极限学习机应用到了人脸识别问题上,同样取得了优良的性能,说明小波核极限学习机具有一定的应用价值.

关键词：极限学习机核学习机小波分析小波核函数分类器

基于自适应核参数优化的小波核相关向量机算法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2017年第9期43卷 245-249页

作者：高明哲许爱强张伟海军航空工程学院科研部山东烟台264001

传统相关向量机算法在处理大规模数据集时训练速度较慢,并且高斯径向核无法完备表示特征空间。为此,基于自适应核参数优化,提出一种小波核相关向量机算法。以小波核作为基函数,在训练中,采取增量学习流程实现各个小波核参数的快速自适... 详细信息

传统相关向量机算法在处理大规模数据集时训练速度较慢,并且高斯径向核无法完备表示特征空间。为此,基于自适应核参数优化,提出一种小波核相关向量机算法。以小波核作为基函数,在训练中,采取增量学习流程实现各个小波核参数的快速自适应优化。将提出算法应用于混沌时间序列预测及UCI数据集分类实验,结果表明,自适应参数优化小波相关向量机算法在预测精度、训练速度上均优于传统相关向量机算法。

关键词：相关向量机小波核函数自适应参数优化增量学习稀疏度先验

基于小波支持向量机的VBR视频流量预测模型

在线全文

学校读者我要写书评

暂无评论

电视技术 2014年第9期38卷 38-41页

作者：范敏杭州职业技术学院浙江杭州310018

针对VBR视频流量的时变性、突发性和非线性等特点,提出一种基于小波支持向量机的VBR视频流量预测模型(WSVM)。首先对VBR视频流量时间序列进行相空间重构,然后将其输入到小波支持向量机进行学习,建立VBR视频流量预测模型,最后采用仿真实... 详细信息

针对VBR视频流量的时变性、突发性和非线性等特点,提出一种基于小波支持向量机的VBR视频流量预测模型(WSVM)。首先对VBR视频流量时间序列进行相空间重构,然后将其输入到小波支持向量机进行学习,建立VBR视频流量预测模型,最后采用仿真实验对模型性能进行测试。结果表明,相对于对比模型,WSVM提高了VBR视频流量预测精度,更加准确地描述了VBR视频流量的复杂变化特点。

关键词：支持向量机小波核函数视频流量相空间重构

在线全文

学校读者我要写书评

暂无评论

基于改进的小波核主元分析故障检测

郑州大学学报（工学版） 2015年第1期36卷 97-100页

作者：张端金汪爱娟郑州大学信息工程学院

研究了基于核主元分析的非线性系统故障检测问题.提出了一种改进的小波核主元分析的故障检测方法.该方法首先对数据进行小波去噪预处理,然后再利用小波核函数,将非线性的输入空间转换到线性特征空间.在特征空间使用主元分析,结合SPE统... 详细信息

研究了基于核主元分析的非线性系统故障检测问题.提出了一种改进的小波核主元分析的故障检测方法.该方法首先对数据进行小波去噪预处理,然后再利用小波核函数,将非线性的输入空间转换到线性特征空间.在特征空间使用主元分析,结合SPE统计量和T2统计量对非线性系统进行故障检测.仿真结果表明:该方法能够提高故障检测性能.

关键词：核主元分析小波核函数小波去噪故障检测

在线全文

学校读者我要写书评

暂无评论

小波支持向量机在数据建模中的研究及应用

小波支持向量机在数据建模中的研究及应用

作者：周林成江南大学

学位级别：硕士

支持向量机（SVM）是一种新的数据建模方法,它基于统计学习理论,具有坚实的数学理论基础和严格的理论分析,具有理论完备、全局优化、适应性强、推广能力好等优点,是机器学习中的一种新方法和研究新热点。它运用结构风险最小化原则,综合... 详细信息

支持向量机（SVM）是一种新的数据建模方法,它基于统计学习理论,具有坚实的数学理论基础和严格的理论分析,具有理论完备、全局优化、适应性强、推广能力好等优点,是机器学习中的一种新方法和研究新热点。它运用结构风险最小化原则,综合了统计学习、神经网络等方面技术,在最小化经验风险的同时,有效地提高了算法泛化能力。以往大部分研究主要集中在支持向量机分类理论和应用上,近年来关于支持向量机回归的研究也显示出其优异的性能。作为一个新的理论和方法,支持向量机回归在训练算法和实际应用等方面有诸多值得深入探讨的课题。本论文就以上主要内容进行了深入的研究并取得了以下结果: 1.研究支持向量核函数条件的基础上,构造了一种基于小波核函数的小波支持向量机。分析了算法的收敛性、通用性和泛化能力。该算法扩充较为容易,实验结果表明小波支持向量机算法具有比较理想的函数逼近能力。 2.研究了KPCA支持向量机算法。借鉴核函数思想,提出了一种基于核主元分析和小波最小二乘支持向量机的数据建模方法,用核主元分析对输入变量进行数据压缩,消除变量之间的相关性,通过交叉验证的方法对支持向量机进行参数选择。将其用于双酚A（BPA）数据建模的结果表明:该方法具有学习速度快、泛化能力强等优点。 3.针对SVM参数（核参数、惩罚因子）模型推广能力影响较大,而目前又无解析方法指导小波SVM参数选取的问题,本文提出了一种基于量子粒子群优化（QPSO）算法的小波SVM参数选择方法。该方法将SVM参数集当作粒子群,以最小化5-fold交叉验证误差作为适应目标,利用QPSO强劲的全局搜索能力实现了参数优选。仿真实例表明该方法对模型推广能力的提高具有很大的作用。

关键词：数据建模支持向量机回归最小二乘支持向量机小波核函数核主元分析量子粒子群优化交叉验证模型选择推广能力