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svm支持向量机的定价模型预测方法

中国战略新兴产业 2018年第32期 146-146页

作者：梁肖裕山东科技大学

众包平台的任务定价是平台维持运营的核心。本文通过对多元回归定价模型进行检验,使用svm支持向量机解决平台中的任务合理定价问题。

关键词： svm支持向量机定价模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于机器学习算法的服装直播销量预测模型

丝绸 2024年第7期61卷 109-117页

作者：韩铂李沛上海工程技术大学纺织服装学院上海201620

为了完善直播销量预测的指标体系,提高直播销量预测的准确率,本文对比多种机器学习算法,分析服装直播销量的影响因素并预测服装直播销量。首先,通过文献分析选取直播销量的影响因素,并使用Spearman相关系数结合显著性进行筛选。其次,通... 详细信息

为了完善直播销量预测的指标体系,提高直播销量预测的准确率,本文对比多种机器学习算法,分析服装直播销量的影响因素并预测服装直播销量。首先,通过文献分析选取直播销量的影响因素,并使用Spearman相关系数结合显著性进行筛选。其次,通过不同机器学习算法建立服装销量预测模型。选用R 2、MAE、RMSE及MAPE为评价指标,采用5折交叉验证的方法,测试各模型性能。研究结果表明:主播粉丝数、主播近30天场均观看人次、主播近30天场均坑产、产品价格、产品讲解时长、产品近30天历史销量、品牌粉丝数、品牌近30天历史销量、折扣这9个因素之间共线性较弱且与直播销量之间的相关性显著,可作为预测模型中的影响因素;预测算法中K近邻算法和随机森林算法的表现较好,R 2均大于0.98,MAPE均在30.5%以内。预测结果可帮助零售商规划库存,调整生产计划,为产品采购、定价、推广提供数据支持。

关键词：直播销量预测机器学习随机森林 K近邻 svm支持向量机五折交叉验证

同方期刊数据库博看期刊

一种基于EMD与多特征支持向量机(svm)故障诊断方法

在线全文

学校读者我要写书评

暂无评论

现代科学仪器 2020年第1期37卷 86-89页

作者：李明臻广州供电局有限公司广东广州510620

针对齿轮箱故障振动信号的不平稳非线性冲击行为,本文提出了一种基于经验模态分解的特征值提取及多特征支持向量机的智能诊断方法。在电机频率分别取30 Hz、35 Hz、40 Hz;载荷分别取0 N∙M、15 N∙M、30 N∙M;采样频率为1500 Hz条件下,进... 详细信息

针对齿轮箱故障振动信号的不平稳非线性冲击行为,本文提出了一种基于经验模态分解的特征值提取及多特征支持向量机的智能诊断方法。在电机频率分别取30 Hz、35 Hz、40 Hz;载荷分别取0 N∙M、15 N∙M、30 N∙M;采样频率为1500 Hz条件下,进行齿轮正常状态、齿面磨损和齿轮裂痕故障模拟实验。试验结果表明:该创新方法在有限样本数据分析中可以准确、有效地对齿轮箱的工作状态和故障类型进行分类,且支持向量机在故障诊断中使用方便,可以提高诊断的精确性,在齿轮箱故障诊断或类似振动信号的检测应用中具有很强的实用性。

关键词：齿轮箱 EMD svm支持向量机故障诊断

基于svm分类算法的养老地产PPP项目模式选择研究

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于SVM分类算法的养老地产PPP项目模式选择研究

作者：杨琼西南财经大学

学位级别：硕士

由于中国人口构成的巨大变化,以及中国社会老龄化、少子化步伐的加速,老龄化市场供应和需求失衡现象越来越多,同时老龄化市场需求的不断扩大,也使得传统家庭养老模式难以有效延续,所以中国目前很需要打破既有的家庭养老模式。但是就现... 详细信息

由于中国人口构成的巨大变化,以及中国社会老龄化、少子化步伐的加速,老龄化市场供应和需求失衡现象越来越多,同时老龄化市场需求的不断扩大,也使得传统家庭养老模式难以有效延续,所以中国目前很需要打破既有的家庭养老模式。但是就现实而言,中国目前的社会养老服务供给与我国日益增长的老年人的养老需求之间有着非常大的差距,而且目前我国部分省市已经出现养老金短缺的问题,政府已经无法单方面解决中国目前的养老问题,势必需要社会资本加入到我国的养老服务中。近几年我国政府部门鼓励私人部门进入到我们的公共服务领域进行投资建设,积极倡导发展PPP模式,在养老地产项目建设方面我国也引入了PPP融资模式。我国引入PPP融资模式的优点:一方面,PPP模式能够加大政府部门对于公共服务项目的建设力度,从而可以早日满足我们国家的老龄人口的养老新需求,还能够有效地改善养老地产项目中存在的技术不足、建设资金短缺、运营管理混乱等问题;另一方面,随着养老产业的不断发展,PPP模式的发展空间也将进一步扩大。然而,随着养老PPP项目的进一步发展,其未来也将面临许多问题,例如养老地产PPP项目的运作模式选择问题。首先,文章对养老地产的相关概念、属性、特点以及PPP模式的相关理论进行了剖析,并在此基础上对PPP模式在养老地产项目中的运用的可行性进行了详细的阐述。之后,因本文影响因素在选取时存在主观因素,所以本文通过各个方法的对比分析,最终选取了灰色关联度分析方法作为本文影响因素与运作模式之间相关性的分析方法,由此来证明本文影响因素选取的合理性。接着,本文对目前现有的PPP模式的选择方法进行比较,最终选择了机器学习方法作为本文的研究方法,并对机器学习算法中的几种常用的算法模型进行了比较分析,从中选出了svm分类算法作为本文的研究方法。其次,通过对我国财政部PPP项目库中的养老地产PPP项目的现状进行分析,根据养老地产本身的特点和属性,结合以往学者们的研究成果,本文将拟选取8个与养老地产相关的影响因素,包括总投资、特许经营期、所属行业、回报机制、VFM指标、项目类型、地区生产总值(GDP)、老龄人口(超过65周岁),然后根据相关网站搜集整理出我们所需要的数据指标,运用灰色关联分析法对这8个拟选出的影响因素与项目运作模式之间的关联性展开分析,结果显示,拟选出的影响因素与项目运作模式之间存在着较好的关联性,为接下来建立运作模式选择模型提供了理论支撑。最后,在第2章理论的基础上,通过选取具体的svm分类模型以及模型所需要的核函数,然后优化调整模型参数,构建svm支持向量机分类预测选择模型,将数据处理好后输入svm分类模型中进行训练,同时与其他模型结果进行对比分析,得到svm分类算法结果最优,证明了第2章选择svm算法作为本文的分类预测方法的合理性,然后利用训练好的svm分类预测模型对一案例项目:金普新区康养一体化PPP项目运作模式进行了预测,建议该项目采用BOT模式,验证了模型有效性。综上所述,本文通过分析PPP模式选择现状,构建了养老地产PPP模式选择模型,为养老地产PPP项目选择适宜的运作模式打下了坚实的基础,为政府在进行相关项目决策时,提供更加科学的依据和参考。同时也对推动养老地产PPP项目顺利运行具有一定的价值。

关键词： PPP 养老地产项目模式选择灰色关联度 svm支持向量机

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

svm和BP检测滨海湿地土壤有机质

光谱学与光谱分析 2020年第2期40卷 556-561页

作者：张森卢霞聂格格李昱蓉邵亚婷田燕芹范礼强张钰娟江苏海洋大学测绘与海洋信息学院江苏连云港222005 河南财经政法大学资源与环境学院河南郑州450046

近年来,虽然随着高光谱技术的出现可以快速获取土壤中的养分含量,但不同的土壤类型对估算的精度会有很大的差异。滨海湿地土壤类型受海洋环境影响较大,其高光谱反射率与内陆土壤类型的表现会有所不同,也就造成了同样的估算模型在反演滨... 详细信息

近年来,虽然随着高光谱技术的出现可以快速获取土壤中的养分含量,但不同的土壤类型对估算的精度会有很大的差异。滨海湿地土壤类型受海洋环境影响较大,其高光谱反射率与内陆土壤类型的表现会有所不同,也就造成了同样的估算模型在反演滨海湿地土壤的养分含量时,反演精度的降低,随着近年来海洋资源的开发与滨海湿地生态恢复工作的不断推进,探索一种合适的估算模型来快速准确的获取土壤中的养分含量变得更加紧迫。该研究旨在验证利用可见-近红外高光谱反射率构建非线性模型来反演滨海湿地土壤类型中有机质(soil organic matter,SOM)含量的可行性。以江苏省盐城大丰麋鹿国家级自然保护区的第三核心区土壤作为研究对象,将土壤样本的光谱反射率进行5点Savitzky-Golay(S-G)平滑滤波处理,再进行一阶微分R′、倒数的一阶微分(1/R)′、倒数的二阶微分(1/R)″、对数的一阶微分(lg R)′四种微分变换后,应用相关系数和显著性水平(p机质含量的敏感波段,利用台湾大学林智仁教授开发的MATLAB软件中的LIBsvm工具包构建svm(support vector machine)支持向量机估算模型,并利用MATLAB2018b软件中自带的BP(back propagation)反向传播神经网络构建估算模型,最后利用决定系数R 2和均方根误差RMSE进行模型的预测精度验证。结果表明:原始光谱通过5点S-G平滑滤波、微分变换与相关系数法可以较好的提取出有效波段,其中基于(1/R)′光谱变换提取的滨海湿地土壤有机质特征波段为498~501,1180~1182,1946,1947和2323~2326 nm;对比发现svm的估算精度优于BP神经网络;利用光谱的(1/R)′微分形式构建的svm模型估算滨海湿地土壤SOM含量的精度最高,决定系数R 2与RMSE分别为0.93和0.23,并且均通过了psvm非线性模型来快速估算滨海湿地土壤中的养分含量具有一定的可行性。

关键词：滨海湿地 S-G滤波 svm支持向量机 BP神经网络

基于DBN,svm和BP神经网络的光谱分类比较

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2016年第10期36卷 3261-3264页

作者：李俊峰汪月乐胡升何慧灵三峡大学计算机与信息学院湖北宜昌443002 三峡大学理学院湖北宜昌443002

恒星的分类对了解恒星和星系形成与演化历史具有重要的研究价值。面对大型巡天计划及由此产生的海量数据,如何迅速准确地将天体自动分类显得尤为重要。通过对SDSS DR9的恒星光谱数据进行深度置信神经网络(DBN)、神经网络和支持向量机(S... 详细信息

恒星的分类对了解恒星和星系形成与演化历史具有重要的研究价值。面对大型巡天计划及由此产生的海量数据,如何迅速准确地将天体自动分类显得尤为重要。通过对SDSS DR9的恒星光谱数据进行深度置信神经网络(DBN)、神经网络和支持向量机(svm)等算法分类的对比,分析三种自动光谱分类方法在恒星分类上的适用性。首先利用上述三种方法对K,F恒星进行识别分类,然后再分别对K1,K3和K5次型和F2,F5,F9次型识别,最后基于svm支持向量机的二次分类模型,利用K次型的数据,构建剔除不属于K次型的模型。结果表明:深度置信网络对K,F型恒星分类效果较好,但是对K,F次型的分类效果不佳;svm支持向量机在K,F型恒星分类以及相应的次型分类都具有较好的识别率,对K,F型分类效果要好于K,F次型的分类效果;BP神经网络对K,F型恒星以及其次型的识别一般;在剔除不属于K次型实验中,剔除率高达100%,可知svm能够对未知的光谱数据进行筛选与分类。

关键词：深度置信网络 BP神经网络 svm支持向量机光谱自动

在线全文

学校读者我要写书评

暂无评论

古尔班通古特沙漠灌木冠幅预测模型

中国沙漠 2022年第4期42卷 139-150页

作者：王明娜张定海张志山路丽宁甘肃农业大学财经学院甘肃兰州730070 甘肃农业大学理学院甘肃兰州730070 中国科学院西北生态环境资源研究院沙坡头沙漠研究试验站甘肃兰州730000

古尔班通古特沙漠是中国第二大沙漠,也是中国固定和半固定沙丘主要分布区,固沙灌木种较多。冠幅不仅是反映固沙灌木可视化的重要参数,也是反映沙漠植被生长情况的重要变量。以3种沙丘(固定沙丘、半固定沙丘和流动沙丘)上主要固沙灌木为... 详细信息

古尔班通古特沙漠是中国第二大沙漠,也是中国固定和半固定沙丘主要分布区,固沙灌木种较多。冠幅不仅是反映固沙灌木可视化的重要参数,也是反映沙漠植被生长情况的重要变量。以3种沙丘(固定沙丘、半固定沙丘和流动沙丘)上主要固沙灌木为研究对象,利用12种基础模型、BP(Backpropagation Neural Network)神经网络和支持向量机(Support Vector Machine,svm)机器学习算法建立了基于固沙灌木株高和冠长率的冠幅预测模型,同时将两种机器学习算法拟合结果与基础模型进行比较,最终选出了适合研究区的冠幅预测模型。结果表明:(1)不同沙丘类型和不同灌木种类的最优冠幅预测模型不同,且固定沙丘和半固定沙丘模型优于流动沙丘。3种沙丘类型最优拟合为M2(Quadratic Model)模型;(2)白梭梭(Haloxylon persicum)在半固定沙丘和流动沙丘上拟合的最优模型分别为M2、M7(Gompertz),沙拐枣(Calligonum mongolicum)最优模型为M2,蛇麻黄(Ephedra distachya)和油蒿(Artemisia ordosica)在半固定沙丘和流动沙丘上拟合较优模型分别为M2、M7。总体来说,基础模型M2和M7可以较好地预测不同类型的灌木冠幅值;(3)基于径向基(Radial Basis Function)核函数的支持向量回归机的冠幅预测模型明显优于BP神经网络模型。

关键词：株高冠幅冠长率基础模型 BP神经网络 svm支持向量机

基于svm-Clara模型的机械设备状态监测方法

在线全文

学校读者我要写书评

暂无评论

工业控制计算机 2022年第1期35卷 47-49,51页

作者：李锐湖南科技大学数学与计算科学学院湖南湘潭411201

对工业机械设备的状态进行及时监测,可以极大程度地降低企业因工业设备故障带来的损失。以传统的设备状态监测方法为基础,结合机器学习中的svm支持向量机算法与Clara聚类算法,首次提出了基于svm-Clara模型的机械设备状态监测方法。通过... 详细信息

对工业机械设备的状态进行及时监测,可以极大程度地降低企业因工业设备故障带来的损失。以传统的设备状态监测方法为基础,结合机器学习中的svm支持向量机算法与Clara聚类算法,首次提出了基于svm-Clara模型的机械设备状态监测方法。通过仿真实验,首先得到了svm-Clara模型的最高效率为96.9%,最佳训练数据量为7000,此时模型最高的聚类效率为32.07%;接着再与传统的三种机械设备状态监测方法进行横向对比,得出svm-Clara模型的理论准确率为95.8333%,证明了基于svm-Clara模型的机械设备状态监测方法的准确性与高效性。

关键词：状态监测信号处理 svm支持向量机 Clara算法

基于改进HOG特征提取与svm分类器的建筑裂缝识别方法

在线全文

学校读者我要写书评

暂无评论

南昌工程学院学报 2022年第1期41卷 47-51页

作者：张伟周梦源夏坚福建省建筑科学研究院有限责任公司福建福州350025 福建省绿色建筑技术重点实验室福建福州350025 福州大学土木工程学院福建福州350108

针对现有的建筑外墙裂缝检测及分类算法在裂缝所处环境复杂的条件下,存在检测精度不高、分类效果不理想的问题,提出了一种基于改进的梯度方向直方图(Histogram of Oriented Gradients,HOG)特征提取与支持向量机(Support Vector Machine,... 详细信息

针对现有的建筑外墙裂缝检测及分类算法在裂缝所处环境复杂的条件下,存在检测精度不高、分类效果不理想的问题,提出了一种基于改进的梯度方向直方图(Histogram of Oriented Gradients,HOG)特征提取与支持向量机(Support Vector Machine,svm)相结合的建筑裂缝识别方法。在原有的HOG特征提取步骤上增加了图像增广、直方图修正和中值滤波三项预处理技术,然后将提取出的特征传入svm进行分类识别。根据所提方法对300张图片进行检测,其准确率达到93%。对比于直接将HOG与svm相结合的方法,获得了更高的图像识别精度,验证了所提方法的有效性和可行性。

关键词：裂缝识别图像预处理 HOG特征提取 svm支持向量机